Wage Modelling & Regression Analysis

项目概述

结合解析推导、梯度下降和可复现性检查的回归课程研究。

一项使用工资数据和小规模衍生加班示例的透明回归研究，结合解析推导、从零实现的梯度下降、特征缩放和统计交叉核验。所报告的改进针对计算收敛，而非预测泛化；双特征示例仅包含十条衍生记录。

作品详情

• 用 Python 实现过原点、带截距和斜率，以及双特征回归模型。
• LinkedIn 项目描述称，通过 20 次确定性拟合比较了十个共用学习率。
• LinkedIn 项目描述称，在所述误差容限内，收敛迭代次数从 173 次降至两次，并从 401 次降至 59 次。
• 利用闭式最小二乘参考结果和 Minitab 交叉核验拟合目标。
• 添加可复现性与保护机制测试，并记录推导过程和报告来源文件。

源代码与链接