Stanford Online-统计学习-ISLR-Ch3-Linear Regression
来源:互联网 发布:化为简化阶梯型矩阵 编辑:程序博客网 时间:2024/04/24 19:17
1. 线性模型
简单粗暴,直接上模型:
这是对“世界上所有数据“的假想模型,即我们假设“世界上所有数据“是从这个模型中产生的。虽然我们也不清楚这个假设对不对,但是就是这样假设了,看看结果好不好再决定对不对。
但是我们得不到“世界上所有的数据“,我们只有“训练数据集“,所以我们可以得到的模型是这样的:
“hat“表示这个变量是estimated的,不是real的,也就是说我们对上面的“假设“在进行了一次假设。效果好不好得看结果才知道,这里就这么粗暴地假设了。
2. 损失函数
模型中未知的是
定义“残差“ (residual):
定义“残差和“ (Residual Sum of Squares):
我们的目的,让“残差和“最小。于是通过“求导等于0“来求解极小值点。因为只有
3. 参数“好坏“评估
下面用“统计学“中的方法来评估一下这个模型,看看参数对不对,好不好。
3.1 Standard Error
以上就是定义,不用去纠结为什么。
那么来看看这个SE究竟想说明什么:
1. SE越小说明参数估计越好
2.
3.
3.2 Confident Interval 置信区间
Standard Error可以用来计算“置信区间“,置信度为95%,计算方式如下:
置信度为95%的置信区间的意思是:该区间有95%的概率会包含真实模型参数的
3.3 Hypothesis Testing 假设检验
所谓“假设检验“就是先给定一个假设,然后希望能够推翻这个假设。称这个希望被推翻的假设为“零假设(null hypothesis)
紧接着上面的一元线性模型:
接下来就要用一些“统计学“的方法来推翻这个零假设
3.3.1 T-statistic T值
Standard Error被用来计算T值,于是T值定义如下:
因为要用反证法推翻
3.3.2 p-value p值
p值的定义为:当
3.3.3 推翻“零假设H0 “
大“T值“,小“P值“,
小“T值“,大“P值“,
如下的例子:
3.3.4 X和Y之间的关联性有多强
既然推翻了零假设,证明了X和Y之间是有联系的,那么这种联系有多强呢?我们用
在一元线性模型中,不难证明,
于是,
- Stanford Online-统计学习-ISLR-Ch3-Linear Regression
- Stanford Online-统计学习-ISLR-Ch2-Statistical Learning
- Stanford 机器学习 Week2 作业: Linear Regression
- Stanford ex1: Linear Regression
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford 机器学习练习 Part 1 Linear Regression
- Stanford机器学习课程-week1-Introduction & Linear Regression
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习---第一讲. Linear Regression with one variable
- Stanford机器学习 -- Linear Regression with one variable
- Stanford机器学习 -- Linear Regression with multiple variable
- 指针形式的图像的保存与转换
- IDEA(jetbrain通用)优雅级使用教程
- Tomcat7+Redis存储Session
- Redis
- 5.9
- Stanford Online-统计学习-ISLR-Ch3-Linear Regression
- MyBatis的collection只能查询一条记录
- Spring中 abstract="true"
- 深入理解Spring MVC 思想
- Cocos2d-x 3.10 使用BMFont 制作自定义位图字体.fnt文件
- 使用html2canvas对当前页面进行生成图片
- Centos 环境下,有关Nginx安装与配置详解
- CORS 跨域资源访问
- 习题6.6