線性迴歸模型的概率解釋
阿新 • • 發佈:2018-12-09
在廣義線性模型中留了個小彩蛋,今天就把這個彩蛋補完啦! 這篇部落格主要解釋了怎麼去構造cost function(損失函式) 回顧線性模型 在廣義線性模型中已經推匯出線性迴歸模型的假設函式(hypothesis):
其中,b為偏置單元(bias unit),是一個常數! 這篇部落格就是來解釋為什麼cost function(損失函式)是概率解釋 符號說明: :第i個訓練樣本的真實值; : 第i個訓練樣本的預測值,也記為; ε^i: 誤差(可能是由各種無法預知的狀況引起的)
假設 也就是說真實值與預測值之間存在有誤差ε 其中ε~, 均值為0,方差為的正太分佈! 所以, 正態分佈概率公式的啦 那麼為什麼的正態分佈呢??? 重點內容:
注:在機器學習中沒有完全正確的假設,只要假設合理,在現實中有足夠的泛化能力即可!
因此便可認定為是服從均值為,,這個可以理解為ε均值為0,而,因此的均值即為
寫成概率形式即是