Статистический отчет при создании моделей
Материал из MachineLearning.
(→Постановка задачи) |
(→Постановка задачи) |
||
Строка 25: | Строка 25: | ||
<tex> f(x) = <w, \ x> </tex>. | <tex> f(x) = <w, \ x> </tex>. | ||
- | Требуется численно | + | Требуется численно оценить качество модели при заданном векторе параметров <tex> w</tex>. |
== Описание решения == | == Описание решения == |
Версия 17:06, 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 или матрица плана;
-
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. |