回归

咋吃都不胖lyh

GBDT 回归任务生成过程（逐步计算演示）GBDT 是 Gradient Boosting Decision Tree 的缩写，中文名为梯度提升决策树，是一种经典的集成学习算法，核心逻辑是串行生成多棵 CART 回归树，每一棵新树都用来拟合前一轮模型的预测残差，最终将所有树的预测结果累加，得到最终模型。

[深度学习网络从入门到入土] 自回归AR知乎：https://www.zhihu.com/people/byzh_rcCSDN：https://blog.csdn.net/qq_54636039

机器学习之心

LSTM-BP组合模型多输入单输出回归预测三模型对比，对比LSTM、BP神经网络，权重优化，MATLAB代码该模型针对时间序列回归预测问题，通过融合LSTM（长短期记忆网络）与 BP（反向传播神经网络）的优势，构建加权组合预测模型。研究背景包括：

钮钴禄·爱因斯晨

机器学习（二）：KNN算法简介及API介绍（分类、回归）K-近邻算法：根据你的邻居来推断你的类别KNN算法思想：如果一个样本在特征空间中的k个最相似的样本中的大多数属于某一个类别，则该样本也属于这个类别。（分类思路）

绝不原创的飞龙

K 最近邻回归器，解释：带代码示例的视觉指南原文：towardsdatascience.com/k-nearest-neighbor-regressor-explained-a-visual-guide-with-code-examples-df5052c8c889?source=collection_archive---------1-----------------------#2024-10-07

机器学习之心

LASSO回归+特征选择，MATLABMATLAB代码实现了一个带交叉验证的Lasso回归（Lasso Regression）模型，适用于广义线性模型（GLM）框架下的特征选择与正则化回归分析。以下是对该代码的全面分析：

爱喝可乐的老王

线性回归模型案例：广告投放效果预测Advertising 数据集: https://www.kaggle.com/datasets/tawfikelmetwally/advertising-dataset.

机器学习实战：多项式回归建模——从模拟数据到模型评估投票链接：https://www.csdn.net/blogstar2025/detail/056给定函数：y = sin(x) 取样：在给定的 x 值（x = -3, -2, -1, 0, 1, 2, 3）计算对应的 y 值。杂讯：对所计算的 y 值，加上高斯杂讯（mean=0, stdev=0.25）。

Quintus五等升

深度学习②|实现人数回归预测在深度学习的任务中，回归预测是一类常见的场景，主要用于预测连续型的数值结果。本文是我在学习新冠阳性人数回归预测后的总结，用于今后的复盘、回顾。如有问题，还望指教。

努力的小白o(^▽^)o

回归实战（小白版本）首先就是分批进行优化参数w,b;每一轮末尾要将使用过的梯度归0，防止梯度累积影响下一轮数据的参数优化更新；

老歌老听老掉牙

回归模型评估的双重镜：决定系数与平均绝对误差在预测建模的世界中，评估模型性能不仅是技术流程中的必要环节，更是理解模型本质的窗口。对于回归问题，我们面临一个核心追问：模型在多大程度上捕捉了数据的规律？它的预测距离真实值有多远？决定系数与平均绝对误差正是回应这两个根本问题的经典指标。它们如同一枚硬币的两面，共同描绘出模型表现的完整图景，却又各自蕴含着不同的统计哲学与应用智慧。

(NIPS-2025)自强制：弥合自回归视频扩散中的训练–测试差距paper title：Self Forcing: Bridging the Train-Test Gap in Autoregressive Video Diffusion

实证分析 | 影响关系研究如何选择回归模型？64种回归模型分类汇总影响关系研究常用回归模型进行分析，但是回归模型的种类非常多，不同研究目的、应用等使用的回归方法是各不相同的。对于没有统计学基础或者基础比较薄弱的同学，如何选择合适的回归模型进行自己的研究就成了一个难题。本文以SPSSAU软件为例，总结了64种回归模型并分类整理，帮助大家认识、选择并完成回归分析。

GLM-Image：面向密集知识与高保真图像生成的自回归模型GLM-Image是一种采用混合自回归+扩散解码器架构的图像生成模型。在常规图像生成质量方面，GLM‑Image与主流潜在扩散方法相当，但在文本渲染和知识密集型生成场景中展现出显著优势。该模型在需要精确语义理解和复杂信息表达的任务上表现尤为突出，同时保持高保真度和细粒度细节生成的强大能力。除文生图功能外，GLM‑Image还支持丰富的图生图任务，包括图像编辑、风格迁移、身份保持生成以及多主体一致性生成等。

神经网络基础深度学习神经网络就是大脑仿生，数据从输入到输出经过一层一层的神经元产生预测值的过程就是前向传播（也叫正向传播）。

机器学习之心

GA-TCN-Transformer组合模型回归+SHAP分析+新数据预测+多输出！深度学习可解释分析MATLAB代码该代码面向回归预测任务，结合了TCN（时间卷积网络）与 Transformer 的优势，并引入遗传算法（GA）进行超参数优化，旨在提升模型在复杂数据中的预测精度与泛化能力。

自回归生成任务输入输出长度不匹配的模型输出翻译任务（如 “我爱中国” 对应输出 “I love China”，输入（4 个汉字）与输出（3 个英文单词）长度不同）。

computersciencer

一文快速理解线性回归的过程做线性回归的过程如图1所示。图中的实线框表示必不可少的步骤，虚线框表示可选的步骤。首先要准备数据。通常准备数据先是要加载数据。数据的来源可以是文本文件、Excel文件、各种数据库。

GLM-Image：首个开源工业级自回归图像生成模型完全指南2026年1月14日，智谱AI发布了GLM-Image，这标志着AI图像生成技术的重要里程碑。这个突破性的模型是首个开源的工业级离散自回归图像生成系统，结合了90亿参数的自回归模块和70亿参数的扩散解码器，在文本渲染和知识密集型场景中表现出色。

聚城云-GeecityCloud

物业行业：在矛盾与转型中回归服务本质物业行业作为城市基层治理的重要载体，伴随房地产市场从增量扩张转向存量提质，正经历从“跑马圈地”到“精耕细作”的深刻变革。截至2024年，全国物业服务企业超37.5万家，服务覆盖面积达395.5亿平方米，早已跳出单一“保安保洁”的传统范畴，成为关乎民生福祉、社区稳定与资产价值的关键行业。当前，行业总产值已超越诸多热门服务产业，逐步从房地产附属板块成长为独立的现代服务业分支，而转型的核心命题，在于以智慧工具破解固有矛盾、推动服务回归精细化本质。聚城物业软件凭借全场景适配能力与深度落地经验，成为物业企业突破发展