回归

岭回归（Ridge Regression），也称为L2正则化回归岭回归（Ridge Regression），也称为L2正则化回归或蒂霍诺夫正则化（Tikhonov Regularization），是一种用于分析多重共线性数据（即自变量之间高度相关）的线性回归分析方法。

【xjtuse】【数学建模】课程笔记（五）回归模型、谱聚类1、数据分析之回归分析回归分析属于机器学习中的一种重要方法，主要用于从数据中自动分析获得规律，并利用这些规律对未知数据进行预测。机器学习方法可以分为监督学习、无监督学习、半监督学习以及其他学习方法等。回归分析通常属于监督学习，因为训练数据中既包含输入变量，也包含对应的输出结果。

白开水就盒饭

《数据挖掘》第四章回归分析读书笔记来源：基于《数据挖掘》（主编：吕欣、王梦宁）教材 + 官方 GitHub 仓库 XL-lab-bigdata/DataMining 本章定位：本书核心技术章节之一，重点讲解从简单线性回归到正则化回归的完整理论与实践。仓库资源：chapter4/code/ 包含回归相关脚本，data/ 提供.parquet数据集，学习笔记/4 回归分析_A.md 可作为补充。

数据皮皮侠AI

基于经济学季刊方法测算的中国城市蔓延指数数据简介今天我们基于另一篇经济学季刊的测算方法测算了城市蔓延程度。我们根据秦蒙的方法依据夜间灯光(见前文)与人口密度(见前文)栅格数据对我国地级市2000-2023年的城市蔓延程度进行了测算。其中将校正后的夜间灯光NPP-OLS亮度大于等于10及人口密度大于等于1000人/平方公里的区域作为城市区域。城市蔓延程度Si = 0.5×(LAi－ LHi)+0.5，其中其中LAi表示城市内部人口密度低于全国平均人口密度的面积占整个城市面积的比重，LHi表示城市内部人口密度大于等于全国平均人口密度的面积占整个城市

面试题：大模型训练中的思维链 CoT 与长思维链冷启动详解——Chain-of-Thought、Long CoT、拒绝采样、STaR、自回归推理全解析1.1 这道题表面问概念，实际在考推理模型训练主线在大模型面试里，“什么是思维链”看似是一个基础概念题，但它背后其实连接着一整条推理模型训练路线：提示词如何诱导推理、模型如何学习分步解题、长思维链数据怎么冷启动、SFT 和 RL 如何配合、推理过程如何评估，以及上线时如何平衡准确率、延迟和 token 成本。

Prompt改版后怎么回归：一套测试集和评分方法在 AI 功能迭代过程中，Prompt 改版几乎是最常见的优化方式。比如：很多团队会发现一个现象：Prompt 改起来很快，但改完之后到底变好还是变差，很难判断。

2026十大LLM研究突破：扩散语言模型挑战自回归、Unicode隐形注入、AI操纵性评估 — 大模型从狂飙走向可控2026年5月，Hugging Face 论文热度榜上十篇高票 LLM 论文指向同一个方向：大模型的核心命题变了。

面试题：大模型基础详解——什么是大模型、核心特点、生成式大模型、自回归训练目标、参数单位、缺点与 Transformer 原理全解析1.1 先用一句通俗的话解释“大模型”大模型，通常指的是参数规模很大、训练数据很多、训练算力消耗也非常大的通用模型。它不只是为了做单一任务而训练出来的，而是希望先通过大规模预训练学到通用能力，再通过提示词、微调或者对齐方法，把能力迁移到很多不同任务上。

爱喝雪碧的可乐

2026 腾讯广告算法大赛优秀方案启示：行为条件化多模态自回归生成推荐摘要2026 腾讯广告算法大赛落下帷幕，获奖方案直击工业推荐系统最核心的痛点 ——94% 的曝光噪声淹没仅 2.5% 的高价值转化信号，通过 FiLM+Gated Fusion+Attention Biasing 三机制协同实现了不同行为语义的彻底解耦。

MATLAB 随机蛙跳算法 (SFLA) 优化最小二乘回归参考随机蛙跳源代码，寻找最优变量，输出最小二乘回归 www.youwenfan.com/contentcsu/63109.html

7.2 回归 —— 预测一个数字本章学习目标：回归是一种监督学习算法，用于预测连续数值。在二手车数据集中，我们的目标是：根据车辆的特征（车龄、里程、品牌等），预测一个具体的价格。

机器学习之心

DBO-Transformer模型回归+SHAP分析+新数据预测+多输出！深度学习可解释分析（附MATLAB代码）Transformer模型在序列回归任务中表现出色，但其性能高度依赖超参数（如自注意力头数）。传统手动调参效率低、易陷入局部最优。蜣螂优化算法（DBO）是一种新型群智能优化算法，具有较强的全局搜索能力，但其随机初始化可能导致种群多样性不足。引入混沌映射改进种群初始化，可提升算法收敛速度和解的质量，适用于Transformer超参数的自动寻优。

胖哥真不错

R实现负二项回归模型项目实战说明：这是一个实战项目（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。

期货量化策略讲解：天勤量化下的跨期价差均值回归策略实战很多人做跨期价差策略时，只关注价差回归方向，却忽略了两个关键细节：一是价差序列本身是否稳定，二是双腿仓位是否按波动做了平衡。忽略这两点，策略很容易出现看对方向却仍然回撤过大的情况。

机器学习之心

CNN-xLSTM-Attention 回归模型：从原理到 SHAP 可解释性全解析融合卷积、长短期记忆与注意力机制，让时间序列预测同时做到高精度与高解释性。在工业预测、故障诊断、能源负荷预测等任务中，我们经常需要处理结构复杂的表格型时间序列数据。今天，我们深入一种新颖的混合深度学习架构——CNN-xLSTM-Attention，并配合 SHAP 可解释性分析，在实现高精度回归的同时，让模型决策过程一目了然。

机器学习之心

GAT-TCN-Transformer 回归模型 + SHAP 可解释性分析：空间、局部与全局的时空建模利器海量表格数据里，往往同时藏着空间上的邻里关系和随时间演化的复杂模式。比如气象站网的温度预测、交通路网的流量估计、金融多资产的联动回归……单纯用 CNN 捕捉空间、用 RNN 捕捉时间，已很难满足高精度与可解释性的双重要求。今天我们就来拆解一套GAT‑TCN‑Transformer 融合回归模型，并搭配 SHAP 可解释性分析，让模型既能精准捕捉多尺度时空特征，又能打开黑箱，把特征的贡献讲得明明白白。

【TJU】研究生应用统计学课程笔记（8）——第四章线性模型（4.1 一元线性回归分析）变量之间的关系一般分为两类：(1) 完全确定的关系，也就是变量之间的关系可以用函数解析式表达出来；如 y = f ( x ) y = f(x) y=f(x)

matlab实现ARMA（自回归移动平均）模型ARMA（自回归移动平均）模型是时间序列预测的经典线性模型，适用于平稳序列。其核心思想是：当前值由过去值的线性组合（AR）和历史随机冲击的线性组合（MA）共同决定。

机器学习之心

PSO-QGPR粒子群优化高斯过程分位数回归多变量回归预测，MATLAB代码在工程、环境、经济等领域的回归预测中，不仅需要点预测值，还常需量化预测的不确定性。高斯过程回归（GPR）是一种非参数贝叶斯方法，能够同时给出预测均值和置信区间。但其性能高度依赖于核函数超参数（如ARD平方指数核的长度尺度、信号标准差）和噪声水平的设定。传统共轭梯度优化可能陷入局部最优，因此引入粒子群算法（PSO）进行全局优化，以提升GPR的拟合精度和泛化能力。

郝学胜-神的一滴

深入理解回归损失函数：MSE、L1 与 Smooth L1 的设计哲学在机器学习与深度学习的回归任务中，损失函数如同模型的 “导航仪”，决定着参数优化的方向与收敛效果。其中MSE（L2 Loss）、MAE（L1 Loss）、Smooth L1 Loss是最经典的三大损失函数，它们各有优劣，也暗藏着工程实践的设计巧思。今天我们就从原理、优缺点、工程应用到代码实现，彻底吃透这三大核心损失函数。