Tag: module-m2
-
【AI 核心深度 M2-003】解释多重共线性，它如何影响系数估计与显著性检验。（Explain Multicollinearity, Its Impact on Coefficient Stability and Significance Tests, and Diagnostic Thresholds）深度数理推导与工程落地解析
特征高度相关 → XᵀX 接近奇异 → 系数方差爆炸、符号不稳定，但预测仍可能准。
-
【AI 核心深度 M2-006】写出逻辑回归的模型形式与损失函数。（Formulate Logistic Regression, Sigmoid Activation, and Binary Cross-Entropy Loss）深度数理推导与工程落地解析
sigmoid 输出概率，用交叉熵（对数似然）训练；是 GLM 中 Bernoulli + logit 链接。
-
【AI 核心深度 M2-007】解释 odds 与 log-odds，以及系数如何解释。（Explain Odds, Log-Odds (Logit), and the Exact Multiplicative Interpretation of Logistic Regression Coefficients）深度数理推导与工程落地解析
odds=p/(1-p)，logit 是 log-odds；系数表示特征每增 1 单位，log-odds 变化 β。
-
【AI 核心深度 M2-008】什么是广义线性模型（GLM）？它由哪三部分组成。（Define Generalized Linear Models (GLMs) and Detail Their Three Foundational Components）深度数理推导与工程落地解析
GLM = 随机成分（指数族分布）+ 系统成分（线性预测子）+ 链接函数。
-
【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。