回归

【机器学习】第四章回归算法第3章对分类算法进行了介绍，接下来介绍回归算法。回归算法是种根据数据构建模型，再利用这个模型训练其中的数据并进行处理的算法，训练得到的是样本特征与样本标签之间的映射，样本标签是连续的。回归算法以线性模型为主。线性模型指的不是一个模型，而是一类模型，包括线性回归、岭回归、LASSO回归等。

胖哥真不错

基于MATLAB的极限学习机ELM的数据回归预测方法应用说明：这是一个机器学习实战项目（附带数据+代码+文档），如需数据+代码+文档可以直接到文章最后关注获取或者私信获取。

在翻译语义相似度和会议摘要相似度评估任务中，分类任务回归任务生成任务区别在翻译语义相似度（Translation Semantic Similarity）和会议摘要相似度（Meeting Summary Similarity）等任务中，通常会根据任务的目标和输出形式，将其划分为三类常见的任务类型：

深度学习实战训练营

基于LSTM的时间序列到时间序列的回归模拟获取项目源码点击文末名片

详解序数回归损失函数ordinal_regression_loss：原理与实现在医疗 AI 领域，很多分类任务具有有序类别的特性，如疾病严重程度（轻度→中度→重度）、肿瘤分级（G1→G2→G3）等。这类任务被称为序数回归（Ordinal Regression），需要特殊的损失函数设计。本文将深入解析序数回归损失函数的原理及其实现代码。

zm-v-15930433986

Copula 回归与结构方程模型：R 语言构建多变量因果关系网络前沿综述本文核心围绕Copula 变量相关性分析与AI 大模型辅助应用展开，构建了从基础理论到高级实践的完整技术体系，为多变量复杂相关性解析提供了创新工具。核心模型与理论： Copula 理论基于 Sklar 定理，突破传统相关系数（如皮尔逊、秩相关）的局限，可精准刻画变量间非线性、非对称的相关性结构，且能分离边缘分布与相依结构，灵活适配不同数据类型（连续 / 离散、正态 / 非正态）。核心模型包括：①二元 Copula（椭圆 Copula、阿基米德 Copula、极值 Copula），适用于双变量相

Teacher.chenchong

现代R语言机器学习：Tidymodel/Tidyverse语法+回归/树模型/集成学习/SVM/深度学习/降维/聚类分类与科研绘图可视化机器学习已经成为继理论、实验和数值计算之后的科研“第四范式”，是发现新规律，总结和分析实验结果的利器。机器学习涉及的理论和方法繁多，编程相当复杂，一直是阻碍机器学习大范围应用的主要困难之一，由此诞生了Python，R，SAS，STAT等语言辅助机器学习算法的实现。在各种语言中，R语言以编程简单，方法先进脱颖而出,本次机器学习基于现代Ｒ语言，Tidyverse,Tidymodel语法。

基础分类模型及回归简介(一)咱们生活中总遇到要 “判断” 或 “预测” 的事：数据挖掘里的 “有监督学习”，就像有老师带着你学：给你一堆带答案的习题（训练数据），学会后去做新题（测试数据）。

从0开始学习R语言--Day49--Lasso-Cox 回归对于正常的医疗数据来说（指的是每个变量都有对应的结局数，不出现某类情况病人完全死亡或完全存活），我们对其做单因素回归确定变量的显著性，再进一步做多因素回归是我们正常的分析思路。但往往我们都会看到存在完全分离的变量，而且由于医疗数据往往都是指标或者是否患某种共病、是否用某种药物，不好直接作变量的删除。

李昊哲小课

K近邻算法的分类与回归应用场景K近邻（K-Nearest Neighbors, KNN）算法是一种基础但强大的机器学习方法，它既可以用于分类问题，也能解决回归问题。

物联网软硬件开发-轨物科技

【轨物方案】当补贴退潮，光伏电站如何回归价值本质？中国光伏产业正站在一个历史性的拐点。过去，国家补贴的“黄金时代”催生了装机量的爆发式增长，许多电站在建设初期将重心放在了快速并网，却忽视了贯穿2-30年生命周期的运维规划。如今，补贴浪潮逐渐退去，各大企业开始从初期的利益驱动回归到资产运营的价值本质——如何让每一块光伏板在全生命周期内，持续、高效、安全地创造价值？

应用回归分析，R语言，多元线性回归总结（中）

应用回归分析，R语言，多元线性回归总结（下）多元线性回归模型的基本假设：解释变量是确定性变量，自变量列之间不相关，样本量的个数大于解释变量的个数。随机误差项具有0均值和等方差。正态分布的假定条件为e~N(0,d^2),相互独立。

回归（多项式回归）例子：回归（多项式回归）训练数据：text.csv

长相忆兮长相忆

【机器学习】保序回归平滑校准算法保序回归平滑校准算法（SIR）通过分桶合并+线性插值解决广告预估偏差问题，核心是保持原始排序下纠偏。具体步骤：1）按预估分升序分桶，统计每个分桶的后验CTR；2）合并逆序桶重新计算均值，确保Pctr-Actr散点单调递增；3）用分段线性函数拟合校准曲线，保证平滑性。（Actr表示离线统计的Actual CTR）

141-CEEMDAN-VMD-Transformer-BiLSTM-ABKDE多变量区间预测模型！141-CEEMDAN-VMD-Transformer-BiLSTM-ABKDE多变量时序区间预测模型 (多输入单输出) Matlab代码（最新的transformer模型，可定制修改）

机器学习：更多分类回归算法之决策树、SVM、KNN下面介绍的这几种算法，既能用于回归问题又能用于分类问题，接下来了解下吧。可参考：决策树（Decision Tree） | 菜鸟教程

巴伦是只猫

【机器学习笔记Ⅰ】11 多项式回归多项式回归是线性回归的扩展，通过引入特征的幂次项（如 (x^2, x^3)）来拟合非线性关系。它保留了线性回归的简洁性，同时能捕捉更复杂的数据模式。

【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(4)模型评价与调整（Model Evaluation & Tuning）内容：MSE、MAE、R-squared等指标，交叉验证与模型调参。机器学习中的回归任务需要定量地评价模型性能，并通过系统性的调整手段优化模型表现。本节涵盖最常用的评价指标与调参方法。

【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(3)决策树回归模型（Decision Tree Regression）内容：剪枝方法、回归树结构与算法实现。决策树回归模型是一种非参数的监督学习方法，通过将特征空间划分为多个区域，在每个区域内做常数预测，适合处理非线性回归问题、特征交互明显的数据集。