📄️ LightGBM回归模板
LightGBM回归模板回归问题分类和回归的区别在于输出变量的类型。定量输出称为回归，或者说是连续变量预测。我们做线性回归是为了得到一个最优回归系数向量w使得当我们给定一个x能够通过y=xw预测y的值。假定输入数据存放在矩阵 X 中，而回归系数存在在向量 w 中。那么对于给定的数据X1，预测结果将会通过Y1=XT1w给出。那么怎样的w才是最优的呢？在标准线性回归中我们需要找到是误差最小的w, 即预测的y值与真实的y值之间的差值，为了避免简单累加造成的正负差值相互抵消，这里采用了平方误差:12.png
📄️ XGBoost回归案例
_XGBoost回归案例项目id：372720.png
📄️ LSTM Network 回归模型
LSTM Network 回归模型LSTM Network 长短期时间序列模型介绍核心算法介绍RNN之所以称为循环神经网络，即“一个序列的当前输出与前面的输出是有相关性”。具体实质体现在后面层数的输入值要加入前面层的输出值，即隐藏层之间不再是不相连的而是有连接的。21.png
📄️ 决策树与AdaBoost回归模板
决策树与AdaBoost回归模板项目id：5347https://scikit-learn.org/stable/autoexamples/ensemble/plotadaboostregression.html#sphx-glr-auto-examples-ensemble-plot-adaboost-regression-py
📄️ 梯度提升回归的预测区间模板
梯度提升回归的预测区间模板项目id：6543https://scikit-learn.org/stable/autoexamples/ensemble/plotgradientboostingquantile.html#sphx-glr-auto-examples-ensemble-plot-gradient-boosting-quantile-py