Tag: machine-learning
-
【AI 核心深度 M2-011】比较 L1、L2 与 ElasticNet 正则化的几何与效果差异。（Compare the Geometric and Functional Differences Between L1, L2, and ElasticNet Regularization）深度数理推导与工程落地解析
L1 稀疏（特征选择），L2 收缩（抗共线），ElasticNet 兼顾两者。
-
【AI 核心深度 M1-074】解释 Fisher 信息量与 Cramér-Rao 下界。（Explain Fisher Information and the Cramér-Rao Lower Bound (CRLB)）深度数理推导与工程落地解析
Fisher 信息是对数似然关于参数的曲率（二阶导期望）；CRB 给出无偏估计方差的下界。
-
【AI 核心深度 M1-075】什么是收缩估计（shrinkage）与 James-Stein 现象？（Explain Shrinkage Estimators and the James-Stein Phenomenon）深度数理推导与工程落地解析
把估计向先验/均值收缩以降低方差；James-Stein 表明在高维中收缩估计可优于无偏估计。
-
【AI 核心深度 M1-076】解释 t 检验与 z 检验的选择依据。（Explain the Decision Criteria Between Two-Sample t-Test and z-Test）深度数理推导与工程落地解析
z 检验用已知总体方差（或大样本近似）；t 检验用样本方差（小样本、方差未知）。
-
【AI 核心深度 M1-077】解释卡方检验的三种主要用途。（Explain the Three Primary Statistical Applications of the Chi-Square Test）深度数理推导与工程落地解析
① 拟合优度（分布是否匹配）② 独立性（两分类变量是否相关）③ 方差/比例的比较。
-
【AI 核心深度 M1-078】解释 Wilcoxon 秩和检验与它的适用场景。（Explain the Wilcoxon Rank-Sum Test and When Non-Parametric Rank Tests Should Be Chosen）深度数理推导与工程落地解析
非参数检验，用秩代替数值比较两组；对异常值与重尾数据鲁棒，不要求正态。
-
【AI 核心深度 M1-079】什么是等价性检验（TOST）？它与常规显著性检验有何不同？（Define Two One-Sided Tests (TOST) for Equivalence and How It Differs from Standard Null Hypothesis Testing）深度数理推导与工程落地解析
TOST 检验’差异是否在等效边界内’，用于证明’无实质差异’；常规检验只能’未能拒绝无差异’。
-
【AI 核心深度 M1-080】解释贝叶斯因子与假设检验的贝叶斯视角。（Explain Bayes Factors and the Bayesian Perspective on Hypothesis Testing）深度数理推导与工程落地解析
贝叶斯因子 = 两假设下数据的边际似然比；同时支持两个方向，不受’不能证明 H0’的限制。