回归预测
Regression
学到 会用 就够:能亲手用起来
你可能会说
“我用模型预测县域收入,这与估计一项政策的因果影响有什么不同?”
机器学习回归任务通常预测连续数值,如成本、收入或时长。这里“回归”指输出任务类型,并不自动包含因果解释;深度网络也可做回归,线性模型也可用于其他任务。
使用 AI
科研里的例子
用企业特征预测下一年营业收入是回归任务;据模型认为某特征重要,就建议通过改变它提高收入,仍缺因果依据。
学习过程根据数值预测与目标的误差选择函数,常见平方损失对大误差更敏感,绝对损失又对应不同目标。评价要看误差尺度、群体差异和应用时点,而不只是相关系数。社科中熟悉的回归分析还可能承担系数解释与假设检验,两种用途不能混写。即便收入预测很准,模型依赖的代理变量也不必具有可干预的因果意义,政策模拟需要额外识别条件。
在你的学科里,直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明,再建议代码。 问题:[填写] 数据字典及已有规则:[提供] 可用软件与现有代码:[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析;缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据,所有转换写到派生结果并留记录;不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
把研究问题变成可审查的识别设计
我研究[政策或处理 X]对[结果 Y]的影响,目标人群为[人群]。请仅依据我提供的[实施规则、日期、数据说明和设计材料],先区分描述性、关联性与因果性问题,再定义处理、比较状态、分析单位、时间和目标效应。提出至多两种与现有条件相符的候选设计,逐项列明所需假设、当前支持材料、主要威胁和缺失信息。涉及分期实施时,说明谁与谁在何时比较。输出设计对照表及需要我补充的最少信息;不能识别时明确说只能回答什么。方法名称或提示词本身不能补出可信比较,未提供的制度事实和数据不要编造。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PE01
判断
亲手检查一次
对一组已知结果手算平均绝对误差与平方误差,再比较大误差样本的影响;另写明哪些问题需要因果识别才能回答。
它做不到的
回归预测不等于因果效应估计;生成模型输出一个看似精确数字,也不表明它按有标签回归目标训练或已校准。
增量,由你来写
读完这张,你的理解变了什么?
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- D2L · Linear Regression2026-11-06 核对
- Google · Linear regression: Loss2026-11-06 核对
卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。