Оригинальный адрес: https://blog.csdn.net/Laputa_ML/article/details/80100739
Как понять линейную регрессию «возврат», возвращение туда , где? Посмотрите на английском языке линейной регрессии регрессии к среднему значению. означают среднее среднее на английском языке.
Таким образом, средний и как понять его? Лично считаю , что если мы можем думать вместе , и еще несколько помогают понять значение. Они - истинное значение измеряемой величины.
Таким образом, средний и как понять его? Лично считаю , что если мы можем думать вместе , и еще несколько помогают понять значение. Они - истинное значение измеряемой величины.
Истинное значение
Является ли истинное значение объекта. Например, реальное значение длины рабочего стола. Что такое истинное значение признака?
1, чтобы определить наличие истинного значения, такие как длина таблицы есть величина постоянная.
2, люди никогда не могли получить истинное значение, тем более трудно понять, почему бы не получить реальную стоимость, и навсегда это? - потому что ошибка будет существовать всегда, независимо от того, насколько сложных измерительных приборов, независимо от того , насколько тщательно измерялся, независимо от того , сколько раз существует погрешность измерения с использованием человеческих существ никогда не получите истинное значение. (Вы хотите немного философское мышление, чтобы понять)
1, чтобы определить наличие истинного значения, такие как длина таблицы есть величина постоянная.
2, люди никогда не могли получить истинное значение, тем более трудно понять, почему бы не получить реальную стоимость, и навсегда это? - потому что ошибка будет существовать всегда, независимо от того, насколько сложных измерительных приборов, независимо от того , насколько тщательно измерялся, независимо от того , сколько раз существует погрешность измерения с использованием человеческих существ никогда не получите истинное значение. (Вы хотите немного философское мышление, чтобы понять)
измерения
Значение измеренного значение человеческой длины таблицы измерений, полученная, упомянутое выше, из-за ошибки измерения, конечно, не равен истинное значение.
среднее
Популярная понимание , что многократные измерения в среднем среднее арифметическое. Итак , что же соотношение между средним значением и реальной стоимостью? Личные понимать следующим образом :
1, в помещении ограниченного числа раз измерения, средняя реальная величина никогда не будет равен
2, когда число измерений увеличивает помещение, в среднем будет близка к истинному значению
3, когда мера достигает бесконечное число раз , когда ∞∞ , равный среднему значению реального
1, в помещении ограниченного числа раз измерения, средняя реальная величина никогда не будет равен
2, когда число измерений увеличивает помещение, в среднем будет близка к истинному значению
3, когда мера достигает бесконечное число раз , когда ∞∞ , равный среднему значению реального
1 и 2 хорошо известны, так как ошибки , вызванные.
Так почему же , когда измеренные в 3 раза достигает ∞∞ время, равное средней реальной стоимости этого? Потому что , когда число измерений достигает бесконечности, то конечное измерение ошибки компенсируют друг друга бесконечно генерируется при каждом измерении. Например: длина , измеренная с помощью линейки на рабочем столе будет зависит от температуры, возникает ошибка , так как температура будет линейка теплового расширения и сжатия. Таким образом , мы делаем предположение:
письменный стол, настольная реальная длина 20 см, то есть истинное значение 200мм
Пусть время измерения высокой температуры, теплового расширения линейки, то измеренное значение меньше , чем истинное значение. Предположим , что второе измерение времени и при низкой температуре, и уменьшить линейку, то измеренное значение больше , чем истинное значение. Тогда ошибка на двух измерений смещения.
Но это не может быть полностью компенсировано. Например , в первый раз , небольшое тепловое расширение измеряется 10 мм, измерение 190мм, при измерении усадки большой 8 мм, измерение 208mm, то среднее значение (190 + 208) / 2 = 199 мм, эта величина не равна истинное значение. Таким образом , мы больше , чем несколько раз , чтобы измерить его? Всевозможные ошибки измерения компенсируют друг друга все меньше и меньше, все больше и больше близко к истинному значению. Поэтому , когда равно истинное значение этого? Только другие измерения времени достигает ∞∞ , когда каждая ошибка измерения может быть полностью компенсировано, что средний должен быть равен истинному значению.
Но это не выше и не получить истинную ценность человеческой противоречащей ей? Не противоречат друг другу , потому что человеческие существа, смертные никогда не будет в состоянии сделать ∞∞, ∞∞ имеет две характеристики:
1, вы можете бесконечно близко ∞∞
2, вы можете не достичь ∞∞
из - за второй точки, человечество никогда не сможет сделать измерения ∞∞ раз, то человечество никогда не сможет получить реальную стоимость объекта.
Итак , вернемся к этой теме, в конце концов , что это возвращение, возвращение туда , где? Является ли возвращение к истинному значению, или перезвонили к сути вещей.
Я уже говорил выше, когда больше времени число измерений, среднее ближе к истинному значению, что объясняет, почему данные должна быть большой работой. Когда объем данных достаточно велик, это означает, что мы становимся ближе к сути вещей - реальная стоимость, что линейная регрессия является возвращением к сути вещей - реальной стоимости.
Так почему же , когда измеренные в 3 раза достигает ∞∞ время, равное средней реальной стоимости этого? Потому что , когда число измерений достигает бесконечности, то конечное измерение ошибки компенсируют друг друга бесконечно генерируется при каждом измерении. Например: длина , измеренная с помощью линейки на рабочем столе будет зависит от температуры, возникает ошибка , так как температура будет линейка теплового расширения и сжатия. Таким образом , мы делаем предположение:
письменный стол, настольная реальная длина 20 см, то есть истинное значение 200мм
Пусть время измерения высокой температуры, теплового расширения линейки, то измеренное значение меньше , чем истинное значение. Предположим , что второе измерение времени и при низкой температуре, и уменьшить линейку, то измеренное значение больше , чем истинное значение. Тогда ошибка на двух измерений смещения.
Но это не может быть полностью компенсировано. Например , в первый раз , небольшое тепловое расширение измеряется 10 мм, измерение 190мм, при измерении усадки большой 8 мм, измерение 208mm, то среднее значение (190 + 208) / 2 = 199 мм, эта величина не равна истинное значение. Таким образом , мы больше , чем несколько раз , чтобы измерить его? Всевозможные ошибки измерения компенсируют друг друга все меньше и меньше, все больше и больше близко к истинному значению. Поэтому , когда равно истинное значение этого? Только другие измерения времени достигает ∞∞ , когда каждая ошибка измерения может быть полностью компенсировано, что средний должен быть равен истинному значению.
Но это не выше и не получить истинную ценность человеческой противоречащей ей? Не противоречат друг другу , потому что человеческие существа, смертные никогда не будет в состоянии сделать ∞∞, ∞∞ имеет две характеристики:
1, вы можете бесконечно близко ∞∞
2, вы можете не достичь ∞∞
из - за второй точки, человечество никогда не сможет сделать измерения ∞∞ раз, то человечество никогда не сможет получить реальную стоимость объекта.
Итак , вернемся к этой теме, в конце концов , что это возвращение, возвращение туда , где? Является ли возвращение к истинному значению, или перезвонили к сути вещей.
Я уже говорил выше, когда больше времени число измерений, среднее ближе к истинному значению, что объясняет, почему данные должна быть большой работой. Когда объем данных достаточно велик, это означает, что мы становимся ближе к сути вещей - реальная стоимость, что линейная регрессия является возвращением к сути вещей - реальной стоимости.
Зависимость между средним и уравнение регрессии
Некоторые люди не могут видеть , формулы и уравнения регрессии усредненных Какова связь, потому что эти две формулы не похожи на поверхность выглядит.
Арифметический средняя формула:
X1 + X2 + X3 + ... + .. + xnnx1 X2 + X3 + ... + .. XNN
Арифметический средняя формула:
X1 + X2 + X3 + ... + .. + xnnx1 X2 + X3 + ... + .. XNN
Уравнение регрессии формула:
у-w1w1x1x1 = w0w0 + + + + + ...... wnwn w2w2x2x2 * xnxn
у-w1w1x1x1 = w0w0 + + + + + ...... wnwn w2w2x2x2 * xnxn
Обратитесь к предыдущей статье линейной регрессии
означают, по сути, для целей экспериментально наблюдаемых характеристик образца. Например, наши результаты приходят к x1x1, X2X2, x3x3 ... ..xnxn этих значений п, то мы имеем в виду, рассчитывается
означают, по сути, для целей экспериментально наблюдаемых характеристик образца. Например, наши результаты приходят к x1x1, X2X2, x3x3 ... ..xnxn этих значений п, то мы имеем в виду, рассчитывается
x1 + x2 + x3 + ... .. + xnnx1 + x2 + x3 + ... .. + Хпп
Например, мы были кости, выбрасывая шесть, точки 2,2,2,4,4,4, это то, что мы наблюдали шесть образцов, так что можно сказать, средний (2 + 2 + 2 + 4 + 4 + 4) / 3 = 6. Тогда формула выглядит и как уравнение регрессии выглядит не то же самое, но изменение в формуле будет означать:
(2 + 2 + 2 + 4 + 4 + 4) / 6 = 3
3 = (2 + 2 + 2 + 4 + 4 + 4) / 6
3 = 1/6 * 2 + 1/6 * 2 + 1/6 * 2 + 1/6 * 4 + 1/6 * 4 + 1/6 * 4
Посмотрите на эту простую формулу и уравнение регрессии не бит, как это? Если у 3 видно, 2,2,2,4,4,4 рассматривается как x1x1, X2X2, x3x3, x4x4, x5x5, x6x6, то формула
у = 1616x1x1 + 1616x2x2 + 1616x3x3 + 1616x4x4 + 1616x5x5 + 1616x6x6
еще не очень похоже на уравнение регрессии? Только взвешенная уравнение регрессии повторно взвешиваются, взвешенное среднее значение веса равные веса. Это объясняет , почему у является средним.
у = w0w0 + w1w1x1x1 + w2w2x2x2 + w3w3x3x3 + w4w4x4x4 + w5w5x5x5 + w6w6x6x6
еще не очень похоже на уравнение регрессии? Только взвешенная уравнение регрессии повторно взвешиваются, взвешенное среднее значение веса равные веса. Это объясняет , почему у является средним.
у = w0w0 + w1w1x1x1 + w2w2x2x2 + w3w3x3x3 + w4w4x4x4 + w5w5x5x5 + w6w6x6x6
На самом деле, вы можете увидеть его, у уравнение регрессии фактически взвешенная средняя, означает, что равный-взвешенный средний, но суть та же. Таким образом, уравнение регрессии у среднего среднее.
резюме
Основные понятия математики в самом деле, чтобы удовлетворить потребности производства и жизни людей, производство человеческой жизни, люди обеспокоены тем, что значение? Конечно , не измеряемое значение, так как ошибка будет существовать всегда, человеческая забота природа вещей, что истинная ценность человеческой жизни и производства хотеть , чтобы получить истинное значение, возвращение , чтобы вернуться к истинному значению.
Хотя измеренное значение не человек хочет, но реальное значение действительно человек никогда не мог получить, то по принципу математической статистики человека, использует результаты измерений для оценки истинного значения, предполагая , что метод является увеличение числа измерений как можно больше, чтобы ударить несколько раз измерение среднего значения, и чем больше число измерений, значит , чтобы приблизиться к истинному значению.
Упомянутый выше, люди, смертные мало для измерения ∞∞ число, предполагая , что ты Бог, ты Татхагата, ты Бог, вы можете сделать меру ∞∞ раз, на этот раз среднее значение у = True.
у = х1 + х2 + х3 + ... .. + xnnx1 + х2 + х3 + ... .. + Хпп = истинное значение (где п = ∞∞)
Хотя измеренное значение не человек хочет, но реальное значение действительно человек никогда не мог получить, то по принципу математической статистики человека, использует результаты измерений для оценки истинного значения, предполагая , что метод является увеличение числа измерений как можно больше, чтобы ударить несколько раз измерение среднего значения, и чем больше число измерений, значит , чтобы приблизиться к истинному значению.
Упомянутый выше, люди, смертные мало для измерения ∞∞ число, предполагая , что ты Бог, ты Татхагата, ты Бог, вы можете сделать меру ∞∞ раз, на этот раз среднее значение у = True.
у = х1 + х2 + х3 + ... .. + xnnx1 + х2 + х3 + ... .. + Хпп = истинное значение (где п = ∞∞)
Несколько концепций линейной регрессии
примера является образцом, образец набора примеров, но , как правило , называют выборочным пространством.
перья становятся характеристикой, то есть уравнение регрессии ... ..xnx1x2x3 ... ..xn x1x2x3
x0x0 = 1 является перехват уравнения.
β1β2β3 ... ..βnβ1β2β3 ... ..βn вероятность каждого признака (х) имеет место.
результат: это истинная ценность человека ожидать, но мы получаем результат близок к истинному значению среднего.
Это относится ξ между каждым примером и истинными значениями погрешности отклонения.
----------------
Предупреждение: Данная статья является оригинальной статьей CSDN блоггеров «Laputa_ML» и следовать CC 4.0 BY-SA авторского соглашения, воспроизведенный, пожалуйста , приложите ссылку первоисточника и это утверждение. ,
Оригинальная ссылка: https: //blog.csdn.net/Laputa_ML/article/details/80100739
примера является образцом, образец набора примеров, но , как правило , называют выборочным пространством.
перья становятся характеристикой, то есть уравнение регрессии ... ..xnx1x2x3 ... ..xn x1x2x3
x0x0 = 1 является перехват уравнения.
β1β2β3 ... ..βnβ1β2β3 ... ..βn вероятность каждого признака (х) имеет место.
результат: это истинная ценность человека ожидать, но мы получаем результат близок к истинному значению среднего.
Это относится ξ между каждым примером и истинными значениями погрешности отклонения.
----------------
Предупреждение: Данная статья является оригинальной статьей CSDN блоггеров «Laputa_ML» и следовать CC 4.0 BY-SA авторского соглашения, воспроизведенный, пожалуйста , приложите ссылку первоисточника и это утверждение. ,
Оригинальная ссылка: https: //blog.csdn.net/Laputa_ML/article/details/80100739