机器学习中的随机模型、回归分析方法、 随机变量与确定性变量等

数学模型的分类

• 理想模型；
  • 上一节中对房屋价格的计算；即“f(x) = ωx + b”
• 随机模型：带观测误差的模型：
  • 随机模型包含多个随机变量，不同的随机变量表示不同的总体，或者表示同一总体的不同特征\属性；
  • y ≈ f(x) = ωx + b，或y ≈ f(x) + e；
    • e：随机观测误差
  • D = {(x_1, y_1), (x_2, y_2)…(x_m, y_m)}
    • D：样本、\样本集；
    • m：样本容量、\样本大小\样本点个数；

随机模型的算法构建过程

• 采集多个样本数据；
• 绘制散点图；
• 对样本点进行弥合；
• 得出最优模型；
  • f(x; ω*, b*)
  • 方法：
    • 最小二乘法（确定性观点）
      • 理想模型是存在且精确的，误差由观测造成；
    • 极大似然估计（随机性观点）
      • 从概率论和随机性的角度解释观测如何造成；
      • 市场价=指导价就+误差均值