Описание окрестности точки наибольшего правдоподобия моделей (пример)
Материал из MachineLearning.
(Различия между версиями)
| Строка 3: | Строка 3: | ||
<tex>X = \{\mathbf{x}_i\}^m_{i=1}</tex> - m свободных переменных, | <tex>X = \{\mathbf{x}_i\}^m_{i=1}</tex> - m свободных переменных, | ||
| - | + | <tex>\{x_i\}^m_{i=1} \in\mathbb{R}^n</tex> , где n - размерность пространства, | |
| - | <tex>\{x_i\}^m_{i=1} \in\mathbb{R}^n</tex>, где n - размерность пространства, | + | |
| - | + | ||
<tex>\mathbf{y}\in\mathbb{R}^n</tex> - зависимая переменная. | <tex>\mathbf{y}\in\mathbb{R}^n</tex> - зависимая переменная. | ||
| + | Рассмотрим следующую модель регрессии, описывающую связь между свободной и зависимой переменными | ||
| - | <tex>{ | + | <center><tex>\mathbf{y} = \mathbf{X}\mathbf{w} + \varepsilon,</tex></center> |
| - | + | ||
| - | + | где <tex>\varepsilon \in N(0, \sigma^2)</tex> - нормальное распределение. | |
Версия 23:24, 14 декабря 2010
Содержание |
Постановка задачи
Пусть,
- m свободных переменных,
, где n - размерность пространства,
- зависимая переменная.
Рассмотрим следующую модель регрессии, описывающую связь между свободной и зависимой переменными
где - нормальное распределение.
Алгоритм
Вычислительный эксперимент
Исходный код
Литература
- Стрижов В.В Методы выбора регрессионных моделей. — ВЦ РАН, 2010.
