Tag: science-depth
-
【AI 核心深度 M2-001】写出线性回归的闭式解，并说明它成立的前提。（Formulate the Closed-Form Normal Equation for Linear Regression and Its Necessary Preconditions）深度数理推导与工程落地解析
最小二乘解 w=(XᵀX)⁻¹Xᵀy，前提是 XᵀX 可逆（无完全共线性）。
-
【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。