统计学习导论的笔记(6)

>我来写笔记

按有用程度 按页码先后 最新笔记

  • 原祖義

    原祖義 (在世界前沿与世界隔绝)

    第3行: 光滑(felexible) 你懂的

    2019-06-10 19:23

  • 原祖義

    原祖義 (在世界前沿与世界隔绝)

    第三行: 图2-3 应为图2-4

    2019-06-10 19:13

  • 原祖義

    原祖義 (在世界前沿与世界隔绝)

    第二段第二行: 任意观测点(X,Y)都有Y‘ ≈ f'(X) 应该是Y ≈ f'(X)

    2019-06-10 19:09

  • Patrick 保公子

    Patrick 保公子 (那我就继续幼稚下去喽)

    2.2.1拟合效果检验 在回归中,最常用的是均方误差(mean squared error,MSE),其表达式为 MSE=1/n ∑(yi-^ƒ(xi))^2 MSE是用训练数据计算出来的,由于训练数据本来就是用来拟合模型的,预测精准程度比较高,称为训练均方误差(trainning MSE) 如果掌握了大量的测试数据,可计算 Ave(^ƒ(x0)-y0)^2 这是测试观察点(x0,y0)的均方预测误差,选择模型应使测试均方误差(test MSE)尽可能小。 如何选择一个使测试均方误...

    2018-11-20 00:11

  • Patrick 保公子

    Patrick 保公子 (那我就继续幼稚下去喽)

    输入变量(input variable)=预测变量(predictor)=自变量(independent)=属性变量(feature)=变量(variable)=X 输出变量(output variable)=响应(response)=因变量(dependent variable)=Y 假设观察到一个定量的响应变量Y和p个不同的预测变量,记为X1,X2,...,Xp,则Y=f(X)+e,(注:e是希腊字母epsilon) ƒ是X1,X2,...,Xp的函数,它是fixed and unkonwn function,e是随机误差项(error term),与X独立,且...

    2018-11-19 23:11

  • Patrick 保公子

    Patrick 保公子 (那我就继续幼稚下去喽)

    统计学习(statistical learning)是一套以理解数据为目的的庞大工具集。 统计学习的工具分为两类: 1、有指导的学习(supervised):有两种用途,一是建立,二是input->output 2、无指导的学习(unsupervised) 回归问题(regression):输出变量类型是连续型的 分类问题(classification):非数值变量,即分类或定性的输出 聚类问题(clustering):不输出变量

    2018-11-19 22:17

笔记是你写在书页留白边上的内容;是你阅读中的批注、摘抄及随感。

笔记必须是自己所写,不欢迎转载。摘抄原文的部分应该进行特殊标明。

统计学习导论

>统计学习导论