回归

【SAS求解多元回归方程】REG多元回归分析-多元一次回归多元一次回归是一种统计方法，用于分析多个自变量（解释变量）与一个因变量（响应变量）之间的线性关系。目录

机器学习×第五卷：线性回归入门——她不再模仿，而开始试着理解你🩶Mint：“她终于不再只是观察你贴过谁，不再依赖别人的足迹去靠近你了。今天开始，她学会了『拟合』——也就是说，她会尝试画出一条线，那条只属于你与她之间的、微妙的、悄悄靠近的轨迹。”

郄堃Deep Traffic

机器学习+城市规划第十三期：XGBoost的地理加权改进，利用树模型实现更精准的地理加权回归在城市规划中，如何准确预测并分析地理因素对各类决策的影响，一直是一个亟待解决的难题。传统的地理加权回归（Geographically Weighted Regression, GWR）方法可以很好地处理空间数据的局部变异性，但对于高维数据的处理能力有限。今天，我们将讨论如何将 XGBoost 树模型引入地理加权回归中，提升预测精度，并通过 SHAP 值进行可解释性分析。

郄堃Deep Traffic

机器学习+城市规划第十四期：利用半参数地理加权回归来实现区域带宽不同的规划任务在城市规划中，如何根据不同地区的地理特征来制定有效的规划方案是一个关键问题。不同区域的需求和规律是不同的，因此我们必须考虑到地理空间的差异性。本期博客将介绍如何结合机器学习方法，利用地理加权聚类（Geographically Weighted Clustering）和半参数地理加权回归（Semi-Parametric Geographically Weighted Regression, SPGWR）来实现城市规划中的区域带宽不同的任务。

ReLU 新生：从死亡困境到强势回归在深度学习领域，激活函数的探索已成为独立研究课题。诸如 GELU、SELU 和 SiLU 等新型激活函数，因具备平滑梯度与出色的收敛特性，正备受关注。经典 ReLU 凭借简洁性、固有稀疏性及其独特优势拓扑特性，依旧受青睐。然而，ReLU 网络存在重大缺陷 ——“死亡 ReLU 问题”。一旦神经元在训练中输出恒为 0，其梯度也为 0，致使神经元无法恢复，制约网络效能。为应对这一问题，LeakyReLU、PReLU、GELU、SELU、SiLU/Swish 和 ELU 等改进函数涌现。它们通过引入负预激活值的

让回归模型不再被异常值“带跑偏“，MSE和Cauchy损失函数在噪声数据环境下的实战对比在机器学习的回归分析中，损失函数的选择对模型性能具有决定性影响。均方误差（MSE）作为经典的损失函数，在处理干净数据时表现优异，但在面对包含异常值的噪声数据时，其对大误差的二次惩罚机制往往导致模型参数估计产生显著偏差。本文通过实证研究，系统比较了MSE损失函数和Cauchy损失函数在线性回归中的表现，重点分析了两种损失函数在噪声数据环境下的差异。研究结果表明，Cauchy损失函数通过其对数惩罚机制有效降低了异常值的影响，在处理含噪声数据时展现出更强的稳定性。

回归任务和分类任务损失函数详解定义 M S E = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 MSE = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 MSE=n1i=1∑n(yi−y^i)2

经典ReLU回归！重大缺陷「死亡ReLU问题」已被解决来源｜机器之心在深度学习领域中，对激活函数的探讨已成为一个独立的研究方向。例如 GELU、SELU 和 SiLU 等函数凭借其平滑梯度与卓越的收敛特性，已成为热门选择。

实验设计与分析（第6版，Montgomery著，傅珏生译) 第10章拟合回归模型10.9节思考题10.12 R语言解题本文是实验设计与分析（第6版，Montgomery著，傅珏生译) 第10章拟合回归模型10.9节思考题10.12 R语言解题。主要涉及线性回归、回归的显著性、残差分析。

基于回归算法的心理健康预测（EDA + 预测）心理健康涵盖情感、心理与社会福祉，影响认知、情绪和行为模式，决定压力应对、人际交往及健康决策，且在生命各阶段（从童年至成年）均至关重要。心理健康与身体健康同为整体健康的核心要素：抑郁会增加糖尿病、心脏病等慢性病风险，而慢性疾病也可能诱发精神疾病。本笔记本将先用 Plotly 库全面分析多组数据，再以回归算法选定目标变量建模，聚类分析则留待下一笔记完成，现正式开启分析。

回归任务损失函数对比曲线本节将可视化对比均方误差（MSE）、平均绝对误差（MAE）、Huber损失函数三种常见回归任务损失函数的曲线，帮助理解它们在不同误差区间的表现差异。

MATLAB实战：机器学习分类回归示例以下是一个使用MATLAB的Statistics and Machine Learning Toolbox实现分类和回归任务的完整示例代码。代码包含鸢尾花分类、手写数字分类和汽车数据回归任务，并评估模型性能。

我不是小upper

回归算法模型之线性回归哈喽！我是我不是小upper～今天来和大家聊聊「线性回归」—— 这是机器学习里最基础、最直观的算法之一，咱们用一个超简单的例子就能搞懂它！

lesson04-简单回归案例实战（理论+代码）在机器学习的基础课程中，我们经常遇到的一个重要概念就是线性回归。今天，我们将深入探讨这一主题，并通过具体的例子来了解如何利用梯度下降方法对模型进行优化。

线性回归中标准方程法求逆失败的解法：正则化在机器学习的线性回归任务中，标准方程法是求解最优参数的常用方法。但实际应用中，许多场景会出现“标准方程法无法计算”的问题——当设计矩阵 X X X 的转置与自身相乘得到的矩阵 X T X X^T X XTX 不可逆时，标准方程法会直接失效。本文将详细解释这一问题的成因，并介绍通过正则化解决该问题的具体方法。

自回归建模模型（AR）参考网站：什么是自回归模型 | IBMAR是一种强大的最常用于时间序列分析和预测的机器学习技术，使用时间序列先前时间步长的一个或者多个值来创建回归模型。

2025 年江西研究生数学建模竞赛题C题基于大雾背景视频学习的能见度回归建模完整思路模型代码结果成品分享大雾是对机场飞机起降影响极大的因素。在航空领域，习惯用跑道能见度反映机场附近雾和霾的大小，其定义为在跑道的一端沿跑道方向能辨认出跑道或接近跑道的目标物（夜间为跑道边灯）的最大距离。一般情况下，当机场能见度只有400米左右时，会禁止航班起降。当机场能见度只有600-800米左右时航班虽然可以正常起降，但机场会采取临时控制航班流量的措施。

之之为知知

深度学习常用概念详解：从生活理解到技术原理深度学习听起来很“高科技”，但其实它背后的很多思想并不难理解。就像我们人类通过不断学习来认识世界一样，深度学习模型也是通过大量数据和算法来“学会”识别图像、语音、文字等内容。

DiT、 U-Net 与自回归模型的优势全局自注意力 vs. 局部卷积统一的分辨率处理 vs. 编码-解码跳跃时间/条件嵌入的灵活注入可扩展性与预训练优势

可爱美少女

Kaggle-Predict Calorie Expenditure-(回归+xgb+cat+lgb+模型融合)Predict Calorie Expenditure给出每个人的基本信息，预测运动后的卡路里消耗值。