个人理解，根据大数定理残差服从高斯分布，而高斯分布的密度函数里exp的指数是二次方，然后最大似然估计，所以就是求误差平方和。
最小二乘法为什么使用误差平方和
2015-11-20
1166
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
个人理解，根据大数定理残差服从高斯分布，而高斯分布的密度函数里exp的指数是二次方，然后最大似然估计，所以就是求误差平方和。
目录
相关文章
|
5月前
|
机器学习/深度学习
|
11月前
|
4月前
|
机器学习/深度学习
算法
Serverless
|
机器学习/深度学习
数据采集
|
Python
无偏估计
定义
无偏估计：估计量的均值等于真实值，即具体每一次估计值可能大于真实值，也可能小于真实值，而不能总是大于或小于真实值（这就产生了系统误差）。
估计量评价的标准
（1）无偏性 如上述
（2）有效性 有效性是指估计量与总体参数的离散程度。
1202
0
0
|
人工智能
BI
最小二乘法-公式推导
基本思想
求出这样一些未知参数使得样本点和拟合线的总误差（距离）最小
最直观的感受如下图（图引用自知乎某作者）
而这个误差（距离）可以直接相减，但是直接相减会有正有负，相互抵消了，所以就用差的平方
推导过程
1 写出拟合方程y=a+bxy=a+bx
2 现有样本(x1,y1),(x2,y2).
4042
1
1