线性回归模型

线性回归基本形式:       其中a的上标表示样本编号,下标表示特征编号。基本假设:    (1)样本是非随机产生的。即样本本身是存在一定规律的。    (2)等方差及不相关的假定:            线性模型拟合后的值与真实值之间的差异叫做残差,假设残差的期望为零,且各个样本的残差不相关。            在这个假设下,回归系数的最小二乘估计是回归系数
摘要由CSDN通过智能技术生成
线性回归基本形式:
   
   其中a的上标表示样本编号,下标表示特征编号。
基本假设:
    (1)样本是非随机产生的。即样本本身是存在一定规律的。
    (2)等方差及不相关的假定:
            线性模型拟合后的值与真实值之间的差异叫做 残差,假设残差的期望为零,且各个样本的残差不相关。
            在这个假设下,回归系数的最小二乘估计是回归系数的最小方差线性无偏估计。
    (3) 残差独立且都服从标准正态分布
            在这个假设下,样本数据产生的误差将是标准正态分布方差的最小方差无偏估计,并且可以进行显著性检验和区间估计。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值