答:问题可表述为min ε = ( Y − X β ) T ( Y − X β ) = Y T Y − β X T Y − Y T X β + β T X T X β \varepsilon = (Y-X\beta)^{T}(Y-X\beta)=Y^{T}Y-\beta X^{T}Y-Y^{T}X\beta+\beta^{T}X^{T}X\beta ε=(Y−Xβ)T(Y−Xβ)=YTY−βXTY−YTXβ+βTX
集成学习与机器学习模型偏差与方差的权衡一般来说,机器学习模型只能在偏差与方差之间做出选择。为什么呢?偏差指的是方差指的是模型在不同训练 or 测试集上的表现越复杂的模型往往意味着越小的偏差,越大的方差特征选取机器学习的目标就是选择一个测试误差达到最小的模型。那如何选择一个测试误差最小的模型,首先要估计出模型的测试误差大小,估计的方式主要有2种:训练误差修正与交叉验证。...