知识卡片
偏差平方和三分解
样本之所以波动,是“函数的作用”与“非函数的作用”共同造成,因此用三个参数分解总波动: - SST(总偏差平方和):每个因变量实际值 y 与其平均值的差的平方和,反映样本值的总体波动。 - SSR(回归平方和):回归值与均值之差的平方和,由自变量 x 的变化引起,体现函数可解释的部分。 - SSE(残差平方和):实际点与回归直线上预测点之差的平方和,体现随机误差、函数不能解释的部分。 三者关系为 SST = SSR + SSE。以用户购买力为例:购买力受运动次数、浏览时长、商品吸引力等多因素影响,SST 是整体消费波动,回归函数只解释了运动时长那部分(SSR),其余是 SSE。 由此 R² 可理解为“可解释波动占总波动的比例”。
结构图:
graph TD
A[SST 总偏差平方和<br/>样本值的总体波动] --> B[SSR 回归平方和<br/>由 x 与 y 线性关系引起<br/>函数可解释]
A --> C[SSE 残差平方和<br/>随机误差与其他因素<br/>函数不可解释]
B --> D[R² = SSR / SST<br/>越接近1拟合越好]
C --> D
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 趋势预测专家:回归分析 4.3 如何评价回归模型的效果 · 查看原书依据
(1)总偏差平方和(Sum of Squares for Total,SST):是指每个因变量y的实际值与因变量平均值Y(给定样本点的所有y的平均)的差的平方和,这个指标反映了样本值的总体波动情况。总偏差平方和的计算公式为: 总偏差平方和=回归平方和+残差平方和
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第4章《趋势预测专家:回归分析》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00009.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文定义“总偏差平方和……是指每个因变量y的实际值与因变量平均值Y……的差的平方和,这个指标反映了样本值的总体波动情况”,并给出 SST=SSR+SSE,支撑本卡的三分解结构。
- 原始内容:(1)总偏差平方和(Sum of Squares for Total,SST):是指每个因变量y的实际值与因变量平均值Y(给定样本点的所有y的平均)的差的平方和,这个指标反映了样本值的总体波动情况。总偏差平方和的计算公式为: 总偏差平方和=回归平方和+残差平方和