参考链接
最小二乘法中的**“二乘”本质上是平方**的意思,也可以叫最小平方法。其目的就是通过最小化误差的平方和,使得拟合对象无限接近目标对象。换句话说,最小二乘法定义了一种函数的拟合标准,其目标是最小化误差的平方和。
注意,同一组数据,选择不同的f(x),通过最小二乘法可以得到不一样的拟合曲线
什么是最小二乘法
最小二乘法:所选择的回归模型应该使所有观察值的残差平方和(即采用平方损失函数)达到最小
一、核心思想
求解未知参数,使得理论值与观测值之差(即误差,或者说残差)的平方和达到最小:
yi:观测值就是我们的多组样本,
y^:理论值,是假设拟合函数。
E:目标函数,也是在机器学习中常说的损失函数
我们的目标是得到使目标函数最小化时候的参数。
所谓最小二乘,其实也可以叫做最小平方和,其目的就是通过最小化误差的平方和,使得拟合对象无限接近目标对象。换句话说,最小二乘法定义了一种函数的拟合标准
在线性回归中,最小二乘法就是试图找到一条直线,使所有样本到直线的欧氏距离之和最小。
最小二乘法可以解释为什么多次测量取算术平均的结果就是真值