DecisionTree决策树
配合 `q2_part1.py` 中的双路径浅层决策树代码食用
8 min read study note
- #mathmodeling
Switching theme…


Writing
按时记录学习、开发、阅读、项目复盘与文化随笔。Regularly jotting down notes on studying, development, reading, project reviews, and cultural reflections.
Search articles only. Knowledge will stay separate for Quartz.
配合 `q2_part1.py` 中的双路径浅层决策树代码食用
LASSO回归通过L1正则化实现变量选择与防止过拟合,是高维数据分析中的常用方法。本文详解其数学原理、与岭回归的对比、优缺点及R语言实战。
Logistic回归虽然名字叫”回归” ,但却是一种分类学习方法。使用场景大概有两个:第一用来预测,第二寻找因变量的影响因素。
莫瓦方程、标准误差与置信区间:理解数据中的不确定性。
从潜在结果与平均处理效应出发,理解相关性与因果性之间的区别。
用因果图快速理清依赖关系、条件化、混淆偏误与选择偏误。
万物皆可回归
随机化通过使潜在结果独立于处理方式,彻底消除了偏误。
学校就是这样破坏了对学习的热爱
反驳图灵 “物理 - 智性能力二分” 的人工智能范式,主张 “智能奠基于肉身,复制智能需复现肉身
Foto de
强调力量、集体主义及对个人主义的消解
Canon In D