深入理解线性模型（二）---基于似然函数的估计
更新时间：2019.10.31 目录 1. 引言 2. 关于$\varepsilon$假设 3. 基于似然函数的估计 3.1 基于假设1 3.2 基于假设2 3.3. 基于假设3 4. 估计的优良性 5. 假设的场景 ...
原文：深入理解线性模型（一）---基于损失函数的估计
更新时间： . . 目录 . 引言 . 从三个层面来看线性模型 . 总体层面 . 样本层面 . . Guass Markov假设 . . 均值向量 . . X固定下Y的分布 . 数据层面 . 其他 . 基于损失函数的估计 . 二次损失 . . 损失函数是最小的 . . 损失函数最小化 . 其他损失函数 . . 最小绝对损失 . . huber函数 . . 分位回归的损失 . 估计量 hat bet ...
2019-10-31 16:19 0 453 推荐指数：
相关推荐
深入理解线性模型（三）---基于贝叶斯的估计
引言 在前两篇，我们分别从损失函数以及似然函数的角度来窥探了线性模型。接下来，继续从一个新的角度 ...
2.2 logistic回归损失函数（非常重要，深入理解）
上一节当中，为了能够训练logistic回归模型的参数w和b，需要定义一个成本函数 使用logistic回归训练的成本函数 为了让模型通过学习来调整参数，要给出一个含有m和训练样本的训练集 很自然的，希望通过训练集找到 ...
logistic回归损失函数（非常重要，深入理解）
2.2 logistic回归损失函数（非常重要，深入理解） 上一节当中，为了能够训练logistic回归模型的参数w和b，需要定义一个成本函数 使用logistic回归训练的成本函数 为了让模型通过学习 ...
『深度概念』度量学习中损失函数的学习与深入理解
『深度概念』度量学习中损失函数的学习与深入理解 0. 概念简介 度量学习（Metric Learning），也称距离度量学习(Distance Metric Learning，DML) 属于机器学习的一种。其本质就是相似度的学习，也可以认为距离学习。因为在一定条件下，相似度和距离 ...
深入理解盒模型
前面的话 所有文档元素都生成一个矩形框，这称为元素框(element box)，它描述了一个元素在文档布局中所占的空间大小。而且，每个框影响着其他元素框的位置和大小 宽高 宽度wi ...
深入理解PO模型
无论是手工测试还是自动化测试，最核心的任务就是编写测试用例、执行测试用例、输出测试报告以及维护测试用例。因此，如何提高自动化测试效率就等同于如何提高自动化编写、执行、维护测试用例的效率。当下最流行的PO模型和关键字驱动模型都是为了解决此问题，本文主要介绍一下PO模型 PO模型介绍 全称 ...
深入理解softmax函数
Softmax回归模型，该模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签 可以取两个以上的值。Softmax模型可以用来给不同的对象分配概率。即使在之后，我们训练更加精细的模型时，最后一步也需要用softmax来分配概率。本质上其实是一种多种类型的线性分割，当类 ...