7.地理加权回归模型实例

这是李宏毅2020机器学习作业一的Pytorch版，用Pytorch的张量操作函数更改了原先的numpy操作。实现了线性回归，并且预测了多因素作用下的PM2.5预测。

优化预测 使用决策树回归模型改变模型参数以优化预测算法。

matlab求导代码GPR_DOB_MAP 使用高斯过程回归（GPR）模型和导数观测值（也称为局部线性模型）的非线性动力学系统的最大后验（MAP）状态估计量。 这是我的CGNCC 2016论文随附的源代码。 X. Yang，B。Peng，H。Zhou和L. Yang，[使用高斯过程和预先计算的局部线性模型的非线性动态系统的状态估计]（“ IEEE Xplore”），2016 IEEE中文版制导，导航和控制Conference（CGNCC），南京，2016年，第1963-1968页。 目录结构 GPR_DOB包含具有派生观测值的高斯过程回归模型的代码。 这是存储库的精确复制，带有一个附加的'sq_dist.c'及其编译的二进制文件，以提高原始mfile'sq_dist.m'的执行速度 GPR_DOB_MAP包含此存储库的主要代码，即使用GPR模型和派生观测值的MAP估计器。 名称为example_的文件就是示例文件。 飞机攻角估计的例子 此存储库中有两个示例，都在MATLAB中运行。 这些示例使用其他纵向可变项的测量值来估计飞机的迎角，并构成了我在CGNCC2016文件中进行调查的案例研

softmax回归的python源码，用python和tensorflow实现softmax回归

某音像商店有5名全职售货员和4名兼职售货员；炼油厂将A、B、C三种原料加工成甲乙丙三种汽油；一只小船度过宽为d的河流；一矿脉有13个相邻样本点。通过lingo和matlab对上述四题进行详细分析和求解，进一步了解了数学建模的本质。

这是一个全面的、用户友好的工具箱，实现了贝叶斯线性回归、逻辑回归和计数回归的最新技术。 该工具箱提供了 ridge、lasso、horseshoe、horseshoe+、log-t 和 g-prior 回归的高效且数值稳定的实现。 对于预测变量数量大于样本大小的数据集，建议使用套索、马蹄形、马蹄形+ 和 log-t 先验，并且 log-t 先验提供对未知稀疏级别的适应。 该工具箱允许将预测变量分配到逻辑分组（可能重叠，以便预测变量可以成为多个组的一部分）。 这可用于利用关于预测因子的先验知识以及它们如何相互关联（例如，将遗传数据分组为基因和基因集合，例如通路）。 现在通过实施泊松和几何回归模型支持计数回归。 为了支持带有异常值的数据分析，我们在贝叶斯线性回归的实现中提供了两个重尾误差模型：拉普拉斯和学生 t 分布误差。 大多数功能都易于使用，工具箱可以直接处理 MATLAB 表（包括自

基于线性回归方法的图像变化检测，可以准确检测出两幅卫星遥感地图（或其它）不同时间点的变化区域。

球队得分为因变量，本球队与对手投篮命中率、篮板对比、助攻对比等，评判一个球队的实力，使用逻辑回归和贝叶斯回归作分析,并使用ROC曲线判断各指标对对综合得分的影响程度，得出最终判别模型后，得出各球队的经济实力，并进行比较

一种基于高斯过程回归的图像插值算法，汪谦，杜军平，图像插值是图像处理中的经典问题。本文提出一种新颖的基于高斯过程回归的插值算法。提出的算法使用高斯过程回归模型挖掘潜在信息