知识卡片
平方误差避免正负抵消
衡量整份数据的误差时不能把各点误差直接相加:某个点预测偏高、另一个点预测偏低,两项会互相抵消,总和可能接近零,看起来像完美拟合。平方做两件事:让正负误差同号叠加,并让大误差受到不成比例的惩罚,于是拟合会被少数极端点强烈拉动。代价是对离群值敏感——一个异常样本就能明显改变斜率,因为它的平方项远大于其他点之和。这也是判断“这条线为什么歪了”的常见线索:先看有没有点被平方放大了。
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
- 第14章 简单线性回归 · 查看原书依据
实际上,我们真正想知道的是整个数据集的总误差,但不能仅仅将误差加起来。如果 x_1 的预测过高,而 x_2 的预测过低,则误差可能会抵消。
参考来源
- 位置:《数据科学入门(第2版)》第14章 简单线性回归(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0018.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「实际上,我们真正想知道的是整个数据集的总误差,但不能仅仅将误差加起来……」
- 原始内容:实际上,我们真正想知道的是整个数据集的总误差,但不能仅仅将误差加起来。如果 x_1 的预测过高,而 x_2 的预测过低,则误差可能会抵消。