这两篇论文提出并系统阐述了“基于相关性的预测”这一新框架，核心思想是用马氏距离度量历史样本与当前情境的“相似性”及其自身“信息量”，合成为“相关性”后加权历史结果进行预测；引入“拟合度”作为事前即可评估的预测可靠性指标；通过同时优化样本子集与变量组合的“CKT回归”，在保持与线性回归的理论一致性的同时，克服其线性假设与模型僵化，又避免了主流机器学习算法的黑箱与过度依赖经验调参，实现透明、灵活且非任意的高适应性预测。
暂无小宇宙热门评论
选择已有播单或创建新播单，添加推荐语让内容更有价值
您确定要删除评价吗？
与播客爱好者一起交流
添加微信好友，获取更多播客资讯
播放列表还是空的
去找些喜欢的节目添加进来吧
