下面三个概念在机器学习领域非常常见:
- 最小二乘:也称为最小二乘法,英文 Least Square Method(LSM);
- 线性回归:英文 Linear Regression(LR),在无歧义或概念要求不严格的情况下,有时可能用“线性模型”、“回归”指代;
- 极大似然:也称为极大似然估计,英文 Maximum Likelihood Estimate(MLE)。
这三个术语经常存在混淆,本文试图辨析。
注意,本文辨析结果也许与一般书籍论文中定义不同,全在于个人理解。
线性回归:以最小二乘法求解的线性模型。
最小二乘:以 L2 损失函数为目标的模型优化方法。
最小二乘,狭义上,是以最小化目标 与拟合函数