登录社区云，与社区用户共同成长
邀请您加入社区
本文经授权转自公众号腾讯科技（ID:qqtech）2023年6月9日的北京智源大会上开幕式上，机器学习三巨头之一杨立昆（Yann Lecun）进行了远程致辞，发表了名为《朝向能学习， 思考和计划的机器进发》（ Towards Machines that can Learn, Reason, and Plan）的演讲。作为一个从ChatGPT诞生之日起就对它嘲讽连连，认为它没有什么新意。在今天的讲座
定量指标全面领先：在指令遵循度、主体/背景一致性、运动流畅度等6项核心指标上，显著超越Wan-2.1、MatrixGame、YUME等SOTA模型，旋转误差低至1.23、平移误差4.86，指令遵循度达0.669。ASTRA通过自回归去噪框架+三大创新设计，打造出兼具高保真、强交互、长时一致的通用世界模型，为自动驾驶、机器人操作等真实场景的模拟与探索提供了高效解决方案，同时也为轻量化实时世界模型的研
摘要：WorldVLA是一种创新的自回归动作世界模型，将视觉-语言-动作（VLA）模型与世界模型整合为统一框架。该模型通过联合动作理解和图像理解来预测未来图像，同时基于视觉观测生成动作，实现了双向增强。实验表明其性能优于独立模型，但发现自回归动作生成存在误差累积问题。为此，研究者提出注意力掩码策略，在动作块生成任务中显著提升12%成功率。该研究为机器人环境交互提供了新思路，模型代码已开源（Hugg
文章摘要 扩散语言模型（DLM）正在颠覆传统自回归LLM的文本生成范式。2025年Inception Labs发布的Mercury和Google的Gemini Diffusion标志着DLM从实验室走向商业化应用。DLM通过"并行去噪"机制实现文本生成，相比自回归模型的串行生成具有显著优势：理论速度提升10倍以上，支持并行计算优化硬件利用率，并具备多轮迭代纠错能力。核心技术包括
Logistic回归全流程代码，包含:导入数据 数据划分 基线表生成LASSO回归批量单因素logistic 多因素logistic列线图ROC校准曲线DCA本文档详细介绍一套基于R语言的Logistic回归全流程分析代码，该代码覆盖从数据导入到变量筛选的核心环节，适用于医学、社会学等领域的二分类结局变量研究，可帮助研究者高效完成数据预处理、基线特征分析与变量初筛，为后续多因素回归建模、模型验证奠
本文介绍了一种基于YAML+Python Factory模式的CrewAI最佳实践方案。主要内容包括： 推荐目录结构：按agent/tool分类，采用YAML配置文件 动态加载机制：通过config_loader.py实现YAML到Python对象的转换 核心实现： Agent配置使用YAML定义角色、目标等 Tool通过Python类实现具体功能 工厂模式动态加载配置和工具 扩展能力：支持sou
摘要：SPSSAU中的线性回归方法位于【通用方法】模块，适用于定量结果的影响因素分析和趋势预测。该方法需要设置1个定量因变量和1-200个自变量（定量或定类数据）。分析结果包含基本统计、回归系数、模型拟合度等核心表格，以及模型结果图和回归系数区间图。关键指标包括R方、p值、VIF等，用于判断模型解释力、变量显著性和共线性问题。SPSSAU还提供残差保存、异常点诊断等功能，支持业务分析和论文研究需求
本文案例基于通信用户流失数据，使用逻辑回归模型预测用户流失概率。数据集包含3463条记录，每条记录有20个特征变量，包括用户ID、流失状态、性别、年龄、教育水平、收入等级、使用时长等。数据分析显示数据完整无缺失值，为建模提供了良好基础。案例首先通过交叉表分析探索变量间关系，例如假设流量使用上升趋势(posTrend=1)与流失率负相关。后续将使用statsmodels库构建逻辑回归模型，分析各特征
本文介绍了美国爱荷华州埃姆斯地区房价预测案例。数据集包含1460条样本和81个特征，目标变量为房价。首先对数据进行预处理，包括删除无用特征ID、识别并删除异常点（GrLivArea>4000且SalePrice<300000的样本）。然后分析目标变量SalePrice的分布特征，发现其呈现右偏分布，不符合线性模型对正态分布的要求。因此对SalePrice进行对数变换（np.log1p）
本文介绍了使用线性回归模型预测波士顿房价的案例。通过sklearn加载包含506个样本、13个特征变量的数据集，详细解释了各特征含义。使用pandas进行数据预处理后，构建LinearRegression模型，采用最小二乘法估计回归系数。案例展示了从数据读取、特征解释到模型搭建的全过程，为房价预测提供了机器学习解决方案。
本文介绍了基于MATLAB的高斯过程回归(GPR)在多特征分类预测中的应用。项目针对医疗、金融、制造等领域中的多维复杂数据分类需求，利用GPR的贝叶斯特性和核函数灵活性，实现了高精度、可解释的分类模型。文章详细阐述了项目架构，包括数据预处理、特征降维、核函数自动选择、模型构建等模块，并提供了MATLAB代码示例。该项目特别解决了高维特征处理、类别不平衡、噪声数据等挑战，通过可视化工具增强结果解释性
本文介绍了一个基于相关向量机(RVM)的电力负荷预测MATLAB实现项目。该项目针对电力负荷数据的高度非线性、随机性和多影响因素特点，采用RVM的稀疏概率回归模型进行精准预测。文章阐述了项目目标包括提升预测精度、强化智能调度、支撑新能源消纳等，并分析了高维数据处理、噪声干扰等挑战及解决方案。详细描述了模型架构，包含数据预处理、特征工程、核函数嵌入、贝叶斯稀疏建模等关键环节，并提供了MATLAB代码
本文创新首发一种基于LEA（Learning Enhancement Algorithm，学习增强算法）优化的卷积神经网络（CNN）回归预测模型——LEA-CNN，系首次将LEA算法与CNN网络深度融合应用于回归预测任务，具备鲜明的技术创新性、先用先发优势，可作为各类回归预测场景的对比算法，为深度学习回归任务提供全新的优化思路与技术方案。
回归
——回归
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
全球具身智能开发者社区
AtomGit开源社区
龙虾开发者社区
