【模式识别与人工智能】02-第一章-第二节-线性回归-学习策略.pptxVIP

;CONTENTS;;什么是均方误差？

均方误差（MeanSquardError，MSE）是参数估计值与参数真实值之差平方的期望值。均方误差的值越小说明预测模型描述实验数据具有更好的精确度。?;均方误差公式

;例子

;例子

;1.2.1最小均方误差;什么是最小均方误差？

最小均方误差（MinimumMeanSquaredError，MMSE）是误差平方和取均值再开方。

最小均方误差即均方误差最小时。最小均方误差表明预测值与真实值距离最小，此时的模型能够更加精确的描述实验数据。

;;1.2.2代价函数及求解;回归任务

线性回归模型：

一元线性回归模型：

多元线性回归模型：

其中，是模型参数，是偏置量，是特征输入。;代价函数?;线性回归

线性模型：

代价函数：

目的：使代价函数最小。;代价函数

;代价函数

;代价函数

;代价函数

;代价函数

线性模型：

一元线性模型：

多元线性模型：

代价函数：

;代价函数3D视图;1.2.2代价函数及求解;代价函数平面视图

如山脉的登高线，可以将代价函数3D图形投影于二维平面。

;代价函数求解步骤

设定参数,的初始值，确定假设函数。

变换参数的数值，如变大参数，的数值。看代价函数

是如何变化的