Excel 中的 Python 现已正式发布，适用于 Microsoft 365 商业版和企业版的 Windows 用户。去年 8 月，微软与 Anaconda...

在本项目中，我们将使用 线性回归模型 和 随机森林回归模型，分别展示如何使用线性和非线性模型进行房价预测。

线性回归（Linear Regression）是一种用于建立自变量和因变量之间线性关系的统计方法。它假设两个变量之间具有线性关系，并通过拟合一条直线来预测因变量...

作为社会动物，人类行为的本质在于彼此间无处不在的互动，而人类彼此间的互动又往往是在一个个局部群落环境下发生的，由此便有了“人以群分”之说。对于“人以群分”，简单...

在机器学习中，分类和回归是两大核心算法。它们广泛应用于不同类型的预测问题。分类用于离散的输出，如预测图像中的对象类型，而回归则用于连续输出，如预测房价。本文将深...

回归分析探究变量之间的关系。线性回归是最简单的回归分析方法，用于建立自变量和因变量之间的线性关系模型。

前面我们使用手动的方式来构建了一个简单的线性回归模型，如果碰到一些较大的网络设计，手动构建过于繁琐。所以，我们需要学会使用 PyTorch 的各个组件来搭建网络...

线性回归(Linear regression)是利用 回归方程(函数) 对 一个或多个自变量(特征值)和因变量(目标值)之间 关系进行建模的一种分析方式。

在数据科学日益重要的今天，线性回归算法以其简单、直观和强大的预测能力，成为了众多领域中的基础工具。本文将详细介绍线性回归的基本概念、核心算法，并通过五个具体的使...

 ✒️线性回归(Linear regression)是利用 回归方程(函数) 对 一个或多个自变量(特征值)和因变量(目标值)之间 关系进行建模的一种分析方式。

线性回归模型作为统计学和机器学习领域的一项基础而强大的工具，广泛应用于预测分析和数据建模。其简单直观的特性使其成为理解和实践数据科学的入门砖石。本文旨在深入浅出...

在现代商业环境中，评估政策干预的效果是制定和优化战略的关键。然而，找到一种科学且有效的方法来衡量这些政策的实际影响常常是一个挑战。回归不连续设计（Regress...

在之前的内容里，我们关注的都是一个数值变量或者两到三个变量的关系。在数值变量中，我们一般关注两个特征，它们是均值与方差。对于均值的检验，我们一般使用的是单样本t...

在现代商业环境中，数据分析已经成为企业做出科学决策的关键。然而，数据分析中常常会遇到内生性问题，即自变量和因变量之间存在双向影响，导致简单的相关性分析无法准确估...

上一部分我们自己通过torch的方法完成反向传播和参数更新，在Pytorch中预设了一些更加灵活简单的对象，让我们来构造模型、定义损失，优化损失等；那么接下来，...

大家好！今天我们将一起踏上一场探索深度学习的奇妙之旅，而我们的起点，就是线性回归这一经典而基础的算法。我将带大家从零开始，手动实现线性回归！

沃尔玛是美国领先的零售商之一，他们希望能够准确预测销售和需求，因为一些事件和节假日可能会影响每天的销售额。目前，他们有 45 家商店的销售数据，但由于机器学习算...

很多人都提到了这一句，逻辑回归，虽然名字里有“回归”，但逻辑回归实际上是用于解决二分类（binary classification）问题的分类算法。它通过一个逻...

由于是刚刚毕业一年，所以都是比较基础的问题，就是有一个问题，掰扯了比较长的时间：如何评估线性回归模型的性能和准确度？

在本篇博客中，我们将使用Google Earth Engine (GEE) 对MODIS NDVI数据进行时间序列趋势分析。通过分析2001年至2021年的ND...