Статистический отчет при создании моделей
Материал из MachineLearning.
(→Постановка задачи) |
(→Постановка задачи) |
||
Строка 16: | Строка 16: | ||
что зависимость | что зависимость | ||
- | <tex>y(x) = f(x) + \ | + | <tex>y(x) = f(x) + \varepsilon(x)</tex>, |
где <tex>f(x)</tex> — некоторая неслучайная функция, | где <tex>f(x)</tex> — некоторая неслучайная функция, | ||
- | <tex>\ | + | <tex>\varepsilon(x)</tex> — случайная величина, |
с нулевым [[Математическое ожидание|математически ожиданием]]. | с нулевым [[Математическое ожидание|математически ожиданием]]. | ||
В моделях [[Многомерная линейная регрессия|многомерной линейной регрессии]] предполагается, что неслучайная составляющая имеет вид: | В моделях [[Многомерная линейная регрессия|многомерной линейной регрессии]] предполагается, что неслучайная составляющая имеет вид: |
Версия 16:39, 27 сентября 2011
|
В данной работе приведен обзор статистических методов оценивания качества регрессионных моделей, используемых популярными программами машинного обучения и статистической обработки данных. Приведены примеры вычисления и анализа полученных оценок.
Постановка задачи
Имеется пространство объектов-строк и
пространство ответов
.
Задана выборка
.
Обозначеним:
-
матрица информации или матрица плана;
-
вектор параметров;
-
целевой вектор.
Будем считать, что зависимость
,
где некоторая неслучайная функция,
случайная величина,
с нулевым математически ожиданием.
В моделях многомерной линейной регрессии предполагается, что неслучайная составляющая имеет вид:
.
Требуется численно оценить качество модели при заданном векторе параметров .
Описание решения
В качестве оценки для в статье будем использовать решение
методом наименьших квадратов:
Вычислительный эксперимент
Исходный код и полный текст работы
Смотри также
Литература
![]() | Данная статья является непроверенным учебным заданием.
До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе. |