<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title>Bing: Quantile Linear Regression Test Python</title><link>http://www.bing.com:80/search?q=Quantile+Linear+Regression+Test+Python</link><description>Search results</description><image><url>http://www.bing.com:80/s/a/rsslogo.gif</url><title>Quantile Linear Regression Test Python</title><link>http://www.bing.com:80/search?q=Quantile+Linear+Regression+Test+Python</link></image><copyright>Copyright © 2026 Microsoft. All rights reserved. These XML results may not be used, reproduced or transmitted in any manner or for any purpose other than rendering Bing results within an RSS aggregator for your personal, non-commercial use. Any other use of these results requires express written permission from Microsoft Corporation. By accessing this web page or using these results in any manner whatsoever, you agree to be bound by the foregoing restrictions.</copyright><item><title>如何理解并区分统计学中percentile，quantile，quartile的概念？</title><link>https://www.zhihu.com/question/46609142</link><description>分位数（quantile）：把一组按照升序排列的数据分割成n个等份区间并产生n-1个等分点后 每个等分点所对应的数据。 按照升序排列称作第一至第n-1的n分位数。 （注：如果等分点在其左右两个数据的中间，那么该等分点所对应的数就是 其左右两数的平均数）</description><pubDate>Sun, 12 Apr 2026 18:13:00 GMT</pubDate></item><item><title>《MoE环游记：7、动态激活极简解》链接这篇文章接着上篇的Quantile Balancing (QB) 进行探索，通过去掉最…</title><link>https://www.zhihu.com/pin/2009254071417185249</link><description>《MoE环游记：7、动态激活极简解》 链接 这篇文章接着上篇的Quantile Balancing (QB) 进行探索，通过去掉最优分配问题中的“每个Token只能激活k个Expert”的约束，显著简化了解的形式——仅需一步Quantile即可实现负载均衡，每个Token只需通过判断偏置分数的正负，就可以决定要激活的Expert，免除了Top-k排序 ...</description><pubDate>Sat, 04 Apr 2026 05:29:00 GMT</pubDate></item><item><title>正态分布Q-Q图怎么解读? - 知乎</title><link>https://www.zhihu.com/question/379585418</link><description>Q-Q图，全称“Quantile Quantile Plot”。用图形的方式比较观测值与预测值（假定正态下的分布）不同分位数的概率分布，从而检验是否吻合正态分布规律。并且将实际数据作为X轴，将假定正态时的数据分位数作为Y轴，作散点图，散点与直线重合度越高越服从正态分布，散点差异愈大越不服从正态分布 ...</description><pubDate>Wed, 15 Apr 2026 03:07:00 GMT</pubDate></item><item><title>QR-DQN中的QR（分位数回归）是如何工作的？ - 知乎</title><link>https://www.zhihu.com/question/11753065780</link><description>Quantile Regression是什么？它是如何用于Distributional RL的？QR-DQN为什么也能自举？算法如何知道哪个…</description><pubDate>Sat, 11 Apr 2026 14:17:00 GMT</pubDate></item><item><title>求解答Q-Q图的原理？ - 知乎</title><link>https://www.zhihu.com/question/36860572</link><description>1 QQ图目标 Q-Q图 (Q-Q plot, Quantile-Quantile plot)是为了从肉眼上直观地 检查一组数据的分布是否符合正态分布。 当检测是否为正态分布时，QQ图中直线 斜率为 待检测数据的 标准差，截距为均值。 若为正态分布或接近正态分布，则实际数据在Q-Q图上为直线 (如下图所 ...</description><pubDate>Sun, 05 Apr 2026 19:11:00 GMT</pubDate></item><item><title>R语言中quantile（）算法？ - 知乎</title><link>https://www.zhihu.com/question/42078962</link><description>R语言里quantile函数算法是加权平均。以20%分位数为例，首先位数=1+ (10-1)*20%=2.8，所以此 分位数 在第二和第三个数之间，更靠近第三个数 (2&lt;2.8&lt;3)， 算法：2*0.2+3*0.8=2.8。 统计里面是 算术平均 （R里fivenum ()函数就是这么算的），位数同上=2.8，算法： (2+3)/2=2.5。</description><pubDate>Tue, 03 Mar 2026 23:25:00 GMT</pubDate></item><item><title>stata中如何使用面板分位数模型，代码是什么，可以控制个体效应和时间效应吗？ - 知乎</title><link>https://www.zhihu.com/question/6950682291</link><description>在Stata中，可以使用面板分位数回归（Panel Quantile Regression）来分析数据，并且可以控制个体效应和时间效应。以下是一些关键的Stata命令和步骤，以及如何控制这些效应： • 安装必要的命令： • 首先，你需要安装`mdqr`和`xtmdqr`这两个命令，它们分别用于分组数据和面板数据的分位数回归。可以通过 ...</description><pubDate>Mon, 13 Apr 2026 02:19:00 GMT</pubDate></item><item><title>下四分位数和上四分位数分别是什么？能举个栗子吗？主要想了解python的quantile函数具体含义？ - 知乎</title><link>https://www.zhihu.com/question/58421946</link><description>你可能听这个计算过程有点头疼，没关系，下面图片我举个具体的例子来看下如何计算出中位数 还是之前酒吧的例子 猴子：为什么官方平均工资出来，很多人高呼被平均；而网上晒工资却动辄很高？。第1步排序。我将酒吧4个人的年收入按从小到大排序， 第2步，计算中间位置。数据总数4是偶数 ...</description><pubDate>Mon, 06 Apr 2026 13:26:00 GMT</pubDate></item><item><title>如何简单明了地理解分位数回归？ - 知乎</title><link>https://www.zhihu.com/question/382262607/answers/updated</link><description>Koenker and Bassett (1978)提出了“分位数回归“（Quantile Regression,简记QR）。 2.1 原理 OLS“均值回归”，目标是**最小化残差平方和∑。 。。 ，**所以很容易收到极端值的影响。 与 OLS 不同，分位数回归估计的是解释变量 x 与被解释变量 y 的 分位数 之间线性关系。</description><pubDate>Wed, 08 Apr 2026 23:11:00 GMT</pubDate></item><item><title>怎样理解weighted quantile sketch？ - 知乎</title><link>https://www.zhihu.com/question/54458880</link><description>xgb中采用了基于分位数来提议分裂点，这种方法能加快训练速度，而且在性能上和精确的方法接近。要获得分位点，需要对数据进行排序，但是当数据量特别大的情况下，排序非常消耗内存和时间。这个时候可以使用ε-approximate 分位点算法，对于权重一致的情况，已经存在quantile sketch算法来进行排序 ...</description><pubDate>Tue, 17 Mar 2026 19:19:00 GMT</pubDate></item></channel></rss>