多恩 更新 更新了整个代码库，并重新实现了一些层和损失函数，以使其运行速度更快并使用更少的内存。 该存储库仅包含 DORN 模型的核心代码。 整个代码将保存在。 介绍 这是的的 PyTorch 实现。 预训练模型 DORN 的 resnet 主干，在第一 conv 层有 3 个 conv，与原始 resnet 不同。 resnet骨干网的预训练模型可以从下载 。 数据集 纽约大学深度 V2 未实现。 基蒂 根据 ，我们应该远离 eigen split 并切换到 。 更多详细信息，请参阅 。

Nonlinear least square fiitings

Genetic_Algorithm_Symblic_Regression 遗传算法解决符号回归

深入研究不平衡回归 该存储库包含纸张的实现代码：。 深度失衡回归（DIR）旨在从具有连续目标的失衡数据中学习， 处理某些区域的潜在缺失数据，并推广到整个目标范围。 超越不平衡分类：DIR简介 从不平衡数据中学习的现有技术集中于具有分类索引的目标，即目标是不同的类别。 但是，许多实际任务涉及连续甚至无限的目标值。 我们系统地研究了深度失衡回归（DIR） ，其目的是从自然失衡数据中学习连续目标，处理某些目标值的潜在缺失数据，并推广到整个目标范围。 我们为计算机视觉，自然语言处理和医疗保健领域中常见的现实世界任务设计和基准化大规模DIR数据集，范围从单值预测（例如年龄，文本相似性得分，健康状况得分到密集值预测）例如深度。 更新 [02/18/2021]发布了。 该代码目前正在清理中。 请随时关注更新。 引文 @article { yang2021delving , title = {

REGHDFE：具有多个固定效应的线性回归 当前版本： 5.6.8 03mar2019 （当前SSC版本： 5.6.8 03mar2019 ） 跳转到： 最近更新 版本5.7.3 13nov2019 ： 使用压缩选项（＃194）修复了罕见错误。 版本也已提交给SSC。 版本5.7.0 20mar2019 ： 用户不再需要运行reghdfe, compile安装后即可进行reghdfe, compile 。 如果出现错误“类FixedEffects未定义”，请升级到该版本或运行reghdfe, compile 版本5.6.8 03mar2019 ： 发布软件包，用于具有固定效果的Poisson模型。 如果您使用左侧的log(y)运行回归，请使用此选项。 reghdfe的稳定版本，也在SSC上。 版本5.6.2 10feb2019 ： 运行所需的最低要求版本 版本5.6

回归-PM2.5预测（李宏毅）

遗传线性回归：通过遗传算法进行线性回归拟合的近似

这是一个pytorch实现，用于使用在论文提出的3D-resnet架构根据RGB，深度和RGB深度图像进行联合状态估计。 在本文中，他们表明可以使用大型视频数据集从头开始训练3D CNN架构，以进行动作识别。 在此代码中，我们将此架构转换为回归架构，以直接从视频图像估计机器人操纵器的关节状态。 网络模型的实现是从存储库并进行更改的。 请检查和以获取有关方法，结果和实现细节的更详细说明。 而且，在同一存储库中，它们为几种体系结构提供了预训练的权重，这些体系结构可用于微调此网络。 要运行代码： 在“数据”文件夹中，有一个小的示例数据集，以演示代码使用哪种数据以及如何创建数据集。 运行代码的步骤 创建.csv文件，其中包含数据集的训练，验证和测试拆分的信息： python createCSV . py - - data_dir data / - - perc_train 50 - - pe

RBF神经网络主要求解以下3个参数，即隐藏层到神经网络的输出层的权重、基函数的中心以及方差。 一、确定基函数中心 在确定基函数中心时，一般采用自组织选取中心学习方法，这里我们使用k均值聚类算法产生k个符合聚类的中心。 所谓的k均值聚类算法，也就是将给定的样本集按他们之间的距离大小划分为K个簇使得簇与簇 之间的距离尽量大的同时又使得簇内的点能够尽量紧密地连在一起。

Logistic回归-心血管疾病 背景 在全球范围内，心血管疾病（CVD）造成的死亡人数多于癌症。 从这项为期15年的心脏研究队列中收集的真实心脏病患者的数据集可用于此任务。 该数据集具有16个患者特征。 请注意，所有功能均不包含任何验血信息。 数据集 数据集可以通过github下载：（“ ”） 代码 Python笔记本：（“ ”） 有关如何启动的说明 I.在google colab上打开python笔记本。 二。 挂载Google云端硬盘：drive.mount（“ / content / drive”） 三， 链接工作目录：census =“ /content/drive/MyDrive/MSBA_Colab_2020/ML_Algorithms/CA05/Data/cvd_data.csv” IV。 运行代码 V.生成最佳模型的准确性和ROC AUC分数 程序 -[A节]