1 最⼩⼆乘法
举个例⼦:
这⾥有5把尺⼦现在⽤它们来分别测量⼀线段的⻓度得到的数值分别为:
考虑出现这种情况的原因:
不同⼚家的尺⼦的⽣产精度不同
尺⼦材质不同,热胀冷缩不⼀样
测量的时候⼼情不好
这种情况下,⼀般取平均值来作为线段的⻓度:
学术爱好者的问题:
这样做有道理吗?
⽤调和平均数⾏不⾏?
⽤中位数⾏不⾏?
⽤⼏何平均数⾏不⾏?
换⼀种思路来思考:
⾸先,把测得到的值画在笛卡尔坐标系中,分别记作
其次,把要猜测的线段⻓度的真实值⽤平⾏于横轴的直线来表示(因为是猜测的,所以⽤虚线来画)计
然后,每个点都向 做垂线,垂线的⻓度就是,也可以理解为预测值和真实值之间的误差:
因为误差是⻓度,还要取绝对值,计算起来麻烦,我们⽤平⽅来代表误差:
误差平⽅和就是:
当y的值不断变换的时候:
2 核⼼:
求解未知参数,使得测量值与真实值之差(误差、残差)的平⽅和达到最⼩(损失函数达到最⼩)。
3 ⽬标函数:
4 ⽬的:求最⼩值
5 解法:
1. 列出⽬标函数E(损失函数),此时的预测值⽤来表示。
2. 求损失函数关于参数的导数,使导数为0,代表损失函数最⼩。
3. 此时的参数即为我们所求未知解的参数。
6 求解过程:
⾸先明确⼀下向量和矩阵的导数:
⼀个条件 :要满⾜正定矩阵
第⼀步
第⼆步
第三步