标签:似然 误差 06 推导 真实 预测值 样本 k2 算法
通过年龄,工资。预测贷款金额。
贷款金额: = k1 * 工资 + k2 * 工资 + k k1 ,k2 权重对结果影响大, k 偏置项对结果影响小
化简整合:多少个特征,就有多少个权重参数
额外增加一列: 值为1 . 为了矩阵计算。
真实值和预测值之间存在差异。理论模型和现实模型必然存在差异。
每个样本: 真实值 = k * 样本 + 误差
误差: 一万个样本有一万个误差。 误差是对立分布,并且具有相同分布。并且服从均值为0方差为x*x 的高斯分布。
独立:每个样本没有关系
同分布: 在一个环境
高斯分布: 特点均值为零,方差为k2。
机器学习: 做了假设,获得的模型是可利用的。就认为模行是可以的。
求 θ 。
似然函数: 什么样参数更我们的数据组合恰好是真实值。
赌场: 10个人进去,9个人赢钱。1 个人输钱。第11个人有90%会赢钱。
用数据推参数等于什么,就是似然函数。极大似然函数,最大似然函数。最大似然估计。
考虑所有的样本,加法问题容易,乘法太难。
对数似然:乘法 将乘法转化为加法。
让预测值成为真实值越大越好。
求最大值问题转化为最小值问题。θ 不是都能求解的。
评估方法: R*R ==1 最好, RR == 0 不好
残差: 预测值和真实值的差
方差项:预测值和 平均值
标签:似然,误差,06,推导,真实,预测值,样本,k2,算法 来源: https://www.cnblogs.com/countryboy666/p/14488557.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。