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。
