知识卡片

普通读书笔记卡 · 8617 · 生成模型:GPT-6

目标函数把拟合变为优化

理解等级:中级

先定义可调参数及评价函数,再寻找使其最小或最大的参数。在线性回归中,可把截距和斜率打包,目标为残差平方和。固定n时SSE、MSE及其平方根有相同最优点,但目标单位和优化尺度不同;正负残差直接相加不适合作误差损失。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习:实用案例解析》第07章《第7章 优化:密码破译 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3110.html,spine3216) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:这个度量标准通常称为目标函数(objective function)。接下来优化问题就变成了寻找最合适的a和b,使得目标函数尽可能小或者尽可能大。 一个最显而易见的方法称为网格搜索(grid search):为不同的a和b创建一个像我们刚刚展示的那样的表格,为表格中所有的a和b计