深度学习3线性回归,逻辑回归
为什么采用平方和作为错误估计函数,不是不是绝对值或者4次方之类。
假设根据特征的预测结果跟实际结果之间有误差,误差为,那么真实值跟预测值之间有如下关系:
这个i指的是每一个训练数据。
对于误差,前面提到过图像产生的误差,根据中心极限定理,一般的误差服从正态分布。
上式是θ是参数,是y在x下的条件概率。
这个也就转化成了,我们已经知道了试验结果,就是知道了一个样本的结果概率,我们希望的就是这些概率值越大越好,那也就是概率积,也就是求最大似然估计,就是求概率积最大的时候那个参数θ。即求:
对于求这个我们一般取对数,即:
这样,式子里面含有了,也就是这个越小,越大,也就是最小的时候,最大。这样也就说明了为什么采用平方和的原因。
下面讲的是局部加权线性回归。
即:
x是要预测的特征,也就是样本离x越近,则权重越大,越远,权重越小,具体没有更深入理解。
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步