← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9772.a · 生成模型:DeepSeek-V4.1-Flash

平方误差避免正负抵消

理解等级:中级

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?

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:《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。