线性回归为什么使用平方损失函数

最新推荐文章于 2022-05-05 17:22:05 发布

Avada__Kedavra

最新推荐文章于 2022-05-05 17:22:05 发布

阅读量2.4k

点赞数 2

分类专栏：机器学习文章标签：线性回归多元回归

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u014128608/article/details/91044839

版权

机器学习专栏收录该内容

12 篇文章 0 订阅

订阅专栏

线性回归的模型及假设：

$y^{^{(i)}} =\theta^{^{T}} x^{^{(i)}}+\varepsilon ^{^{(i)}}$

$\varepsilon ^{^{(i)}}\sim N(0,\sigma^{2} )$ ，随机误差 $\epsilon$ 服从正态分布（高斯分布）

$\varepsilon ^{^{(i)}$ are distributed IID，随机误差 $\varepsilon$ 是独立同分布的

于是目标变量的条件概率分布：

注意：

整个训练集的似然函数为：

对数似然函数为：

因此，最大化对数似然函数，相当于最小化

关注

2
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
线性回归为什么使用平方损失函数

线性回归的模型及假设：，随机误差服从正态分布（高斯分布）are distributed IID，随机误差是独立同分布的于是目标变量的条件概率分布：注意：整个训练集的似然函数为：对数似然函数为：因此，最大化对数似然函数，相当于最小化...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。