误差项是在统计学和机器学习中经常用来描述模型预测与真实观测之间的差异的术语。在线性回归中,误差项通常用符号 ϵ(epsilon)表示。这个项表示了模型无法捕捉或解释的因素,也就是不能被自变量完全解释的变异性。
具体来说,线性回归模型的基本形式为:
关于误差项的一些关键点:
随机性: 误差项通常被假设为具有随机性,即它们是由于未考虑的或难以测量的因素引起的。这些因素可能包括未知的变量、测量误差或其他随机影响。
独立同分布: 常见的假设是误差项是独立同分布的,即一个观测值的误差与另一个观测值的误差无关,并且它们具有相同的分布特征。
正态分布假设: 在一些统计推断中,通常假设误差项是正态分布的。这个假设有助于进行一些推断性统计分析,例如置信区间的构建。
期望为零: 通常假设误差项的期望值为零,这意味着在整个样本中,模型的预测值和观测值的平均差异为零。
模型拟合度: 通过最小化误差项,模型试图尽量拟合观测数据。然而,由于误差项的存在,模型不太可能完美地预测每个观测值。
在线性回归中,常见的目标是最小化误差项的平方,即最小化残差平方和(Residual Sum of Squares, RSS),从而获得最优的模型参数。这通常通过最小二乘法来实现。最小化误差项的平方有助于强调较大的误差,使得模型更加关注那些预测偏差较大的观测值。