回归性能提升

该框架是一种创新的机器学习方法，通过将传统回归问题转化为广义分类问题来提升性能。其核心思想是： 1. 使用软分箱技术将连续目标变量划分为多个区间（如等宽/等频分箱） 2. 采用编码器-解码器神经网络结构进行端到端联合训练 3. 解码器输出目标变量的概率分布而非单一值 4. 最终回归预测通过概率分布的期望值计算 据报告显示，这种方法可使神经网络在回归任务中的平均性能提升高达25%，特别适用于目标变量分布复杂或含噪声的场景。