Java中的加权线性回归
有谁知道Java中的科学/数学库可以直接实现加权线性回归吗？函数的某些东西，带有3个参数并返回相应的系数：
linearRegression(x,y,weights)
这似乎很简单，所以我想它存在于某个地方。
PS）我已经尝试过Flannigan的库：http
://www.ee.ucl.ac.uk/~mflanaga/java/Regression.html ，它的想法正确，但似乎偶尔会崩溃并抱怨我的自由度？
问题答案：
不是库，而是发布了代码：http :
//www.codeproject.com/KB/recipes/LinReg.aspx
（包括代码的数学解释，这是一个巨大的优势）。另外，似乎这里有相同算法的另一种实现：http :
//sin-memories.blogspot.com/2009/04/weighted-linear-regression-in-java-
and.html
最后，来自新西兰大学的一个库似乎已实现：http :
//www.cs.waikato.ac.nz/~ml/weka/（相当不错的javadocs）。此处描述了特定的方法：http
:
//weka.sourceforge.net/doc/weka/classifiers/functions/LinearRegression.html
-
问题内容： 在Java中，给定 n个 项目，每个项目的权重为 w ，一个人如何从集合中选择机会等于 w 的随机项目？ 假设每个权重是0.0到1.0的两倍，并且集合中的权重之和为1。Item.getWeight（）返回Item的权重。 问题答案： Item[] items = …;
-
我有困难得到的线性回归中的加权数组来影响输出。 这里有一个没有加权的例子。 现在，当添加重量时，我得到了相同的最佳拟合线。我希望看到回归有利于曲线的陡峭部分。我做错了什么？
-
我正在运行我在buitin网站上看到的一个关于张量流线性回归的代码，它总是给我一个错误，我不知道代码有什么问题。首先我以为这是我的ide，然后当我切换到jupyter实验室时，它显示了我在这一点上的错误 首先我以为这是我的ide，然后当我切换到jupyter实验室时，它显示了我在这一点上的错误
-
回归问题的条件或者说前提是 1） 收集的数据 2） 假设的模型，即一个函数，这个函数里含有未知的参数，通过学习，可以估计出参数。然后利用这个模型去预测/分类新的数据。 1 线性回归的概念 线性回归假设特征和结果都满足线性。即不大于一次方。收集的数据中，每一个分量，就可以看做一个特征数据。每个特征至少对应一个未知的参数。这样就形成了一个线性模型函数，向量表示形式： 这个就是一个组合问题，
-
线性回归是最简单的回归方法，它的目标是使用超平面拟合数据集，即学习一个线性模型以尽可能准确的预测实值输出标记。 单变量模型 模型 $$f(x)=w^Tx+b$$ 在线性回归问题中，一般使用最小二乘参数估计（$$L_2$$损失），定义目标函数为 $$J={\arg min}{(w,b)}\sum{i=1}^{m}(y_i-wx_i-b)^2$$ 均方误差（MSE） $$MSE = \frac{1}{
-
线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。与回归问题不同，分类问题中模型的最终输出是一个离散值。我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。softmax回归则适用于分类问题。 由于线性回归和softmax回归都是单层神经网络，它们涉及的概念和技术同样适用于大多数的深度学习模型。我们首先