Статистический отчет при создании моделей
Материал из MachineLearning.
(→Постановка задачи) |
(→Описание решения) |
||
Строка 28: | Строка 28: | ||
== Описание решения == | == Описание решения == | ||
+ | |||
+ | В качестве оценки для <tex>w</tex> в статье будем использовать решение | ||
+ | [[Метод наименьших квадратов| методом наименьших квадратов]]: | ||
+ | |||
+ | <tex> \hat w = (X^T X)^{-1} X^T y. </tex> | ||
== Вычислительный эксперимент == | == Вычислительный эксперимент == |
Версия 16:27, 27 сентября 2011
|
В данной работе приведен обзор статистических методов оценивания качества регрессионных моделей, используемых популярными программами машинного обучения и статистической обработки данных. Приведены примеры вычисления и анализа полученных оценок.
Постановка задачи
Имеется пространство объектов-строк и
пространство ответов
.
Задана выборка
.
Обозначеним:
-
матрица информации;
-
вектор параметров;
-
целевой вектор.
Будем считать, что зависимость
,
где некоторая неслучайная функция,
случайная величина,
с нулевым математически ожиданием.
В моделях многомерной линейной регрессии предполагается, что неслучайная составляющая имеет вид:
.
Требуется численно оценить качество модели при заданном векторе параметров .
Описание решения
В качестве оценки для в статье будем использовать решение
методом наименьших квадратов:
Вычислительный эксперимент
Исходный код и полный текст работы
Смотри также
Литература
![]() | Данная статья является непроверенным учебным заданием.
До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе. |