内容简介：概率（probability）：描述已知参数时的随机变量的输出结果；似然函数（likelihood）：用来描述已知随机变量输出结果时，未知参数的可能取值。似然函数和密度函数是完全不同的两个数学对象，前者是关于 的函数，后者是关于 的函数。
概率（probability）：描述已知参数时的随机变量的输出结果；
似然函数（likelihood）：用来描述已知随机变量输出结果时，未知参数的可能取值。
似然函数和密度函数是完全不同的两个数学对象，前者是关于 的函数，后者是关于 的函数。
2、高斯分布
数学期望（mean）：试验中，每次可能结果的概率乘以其结果的总和。
（伯努利）大数定律：当试验次数足够多时，事件发生的频率无穷接近于该事件发生的概率。
伯努利试验：设试验E只可能有两种结果：“A”和“非A”
n重伯努利试验：将E独立的重复地进行n次,则称这一穿重复的独立试验为n重伯努利试验
二项分布（伯努利分布）：将一伯努利试验重复了n次,在这n次试验中成功次数k,k为随机变量,称为二次随机变量,其分布称为二项分布
正态分布:又称“高斯分布”
3、对数公式
4、矩阵计算
矩阵转置：行变列，列变行。
矩阵乘法：A的列数必须与B的行数相等
矩阵求导
二、推导
1、线性回归公式
当存在多个特征参数的时候，不同的特征参数对目标函数值有不同的权重参数。
使用矩阵来表示
2、计算误差
误差项：真实值和预测值之间存在的一个误差，我们通常希望误差越小越好。
误差项符合高斯分布，所以
要计算某些参数和特征组合让误差最小，这里引入似然函数
因不考虑定值，得出 越小越好
以上所述就是小编给大家介绍的《线性回归数学推导》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Programming Python
Mark Lutz / O'Reilly Media / 2006-8-30 / USD 59.99
Already the industry standard for Python users, "Programming Python" from O'Reilly just got even better. This third edition has been updated to reflect current best practices and the abundance of chan......一起来看看 《Programming Python》 这本书的介绍吧!
