比较平方和绝对值的问题
MSE
好弄的点
有些点本身就在这个一条的直线上,这些的点和我们原本那条直线就会变的很贴近
不好弄的点
离我们所想要的所规定的相关的标准是比较的远的点,这样的点和我们的原本的数据很不相似
所在直线上的所聚集的点存在的越多,那么我们这就叫好弄的点
这个w已经很接近的这个点的时候,这个时候我们所存在的这个点所产生的收益很小了
当我们不使用平方使用绝对值的时候,我们这个时候就会去接近这个直线,其他的不在这个点上的直线就不会照顾到其他的点
绝对值
多元线性回归
在训练集上这个只会变得越来越好
然而在测试集上是不确定的
在测试集上的mse的偏差是比较大的
在实际的工作中,这个n是要适可而止的
1.运算
2.过拟合
提取了这个的结果是不相关的问题,那么这个计算会变的相对的复杂,但是这个模型并不会太差
计算出的相关的结果是正确的
纯加上的冗余是对这个mse是没有任何的帮助的
线性回归中
这个地方就十分的重要的
线性回归的优点就是抗拒冗余的,冗余对这个mse的影响不大,几乎是没有的
这个训练出的w并不可以去当作权重去看
机器学习的目标MSE
通过这个MSE引导w的变化