Обсуждение:Метод наименьших квадратов
Материал из MachineLearning.
(Различия между версиями)
(Новая: == ? В примере задана (нелинейная регрессионная модель == В разделе "Пример постоения линейной регресси...) |
|||
| Строка 1: | Строка 1: | ||
| - | == ? В примере задана | + | == ? В примере задана нелинейная регрессионная модель == |
В разделе "Пример постоения линейной регрессии" задана нелинейная регрессионная модель (квадратичный полином), разве это правильно, или я что-то не понимаю? | В разделе "Пример постоения линейной регрессии" задана нелинейная регрессионная модель (квадратичный полином), разве это правильно, или я что-то не понимаю? | ||
* Спасибо за вопрос. В примере приведена модель, линейная относительно параметров. То есть, криволинейные модели, полиномиальные модели, однослойные нейронные сети с линейной функцией активации, функции радиального базиса, экспертно-статистическая модель - все это линейные модели. Их параметры (веса) находятся методом наименьших квадратов (при квадратичной функции ошибки). Если функция ошибки — сумма модулей разностей, то используется метод наименьших модулей. Кстати, про это статьи у нас нет. Не хотите написать? --[[Участник:Strijov|Strijov]] 00:39, 20 июня 2009 (MSD) | * Спасибо за вопрос. В примере приведена модель, линейная относительно параметров. То есть, криволинейные модели, полиномиальные модели, однослойные нейронные сети с линейной функцией активации, функции радиального базиса, экспертно-статистическая модель - все это линейные модели. Их параметры (веса) находятся методом наименьших квадратов (при квадратичной функции ошибки). Если функция ошибки — сумма модулей разностей, то используется метод наименьших модулей. Кстати, про это статьи у нас нет. Не хотите написать? --[[Участник:Strijov|Strijov]] 00:39, 20 июня 2009 (MSD) | ||
Текущая версия
? В примере задана нелинейная регрессионная модель
В разделе "Пример постоения линейной регрессии" задана нелинейная регрессионная модель (квадратичный полином), разве это правильно, или я что-то не понимаю?
- Спасибо за вопрос. В примере приведена модель, линейная относительно параметров. То есть, криволинейные модели, полиномиальные модели, однослойные нейронные сети с линейной функцией активации, функции радиального базиса, экспертно-статистическая модель - все это линейные модели. Их параметры (веса) находятся методом наименьших квадратов (при квадратичной функции ошибки). Если функция ошибки — сумма модулей разностей, то используется метод наименьших модулей. Кстати, про это статьи у нас нет. Не хотите написать? --Strijov 00:39, 20 июня 2009 (MSD)
