![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
datawhale
goonh
这个作者很懒,什么都没留下…
展开
-
集成学习Task03 作业
(1)请用一个具体的案例解释什么是偏差和方差 真实数据来自某个模型 y=ax+b+ϵ,ϵ∼N(0,1) y = ax + b + \epsilon, \epsilon \sim N(0, 1)y=ax+b+ϵ,ϵ∼N(0,1) 我们进行数据采集,采集了10个点,用一个最高次为10次的多项式模型根据数据来训练并进行预测。 多项式能完美地拟合训练数据。如果从真实数据中再取10个点,那么用同样的模型,损失函数的值会很大,方差度量了同样大小的训练集的变动所导致的学习性能的变化,即刻画了数据扰动所造成的影响。 (2)原创 2021-08-23 00:08:30 · 81 阅读 · 0 评论 -
集成学习Task02 作业
(1)请详细阐述线性回归模型的最小二乘法表达 最小二乘法 通过最小化误差的平方和来寻找数据的最佳函数匹配,是一种线性回归的模型,即 求解 其解为 (2) 在线性回归模型中,极大似然估计与最小二乘法估计有什么联系和区别 假设噪声 联系:极大似然估计来计算,算出来的式子和最小二乘法估计的式子一样。在上述的假设下,极大似然估计就是最小二乘法概率上的解释。 区别:最小二乘法估计是一种优化方法,与概率无关,而极大似然估计与概率有关 (3) 为什么多项式回归在实际问题中的表现经常不是很好 .原创 2021-08-19 20:22:02 · 94 阅读 · 0 评论