2回答
我最近从零开始写线性回归算法，以了解它背后的数学是如何工作的(这之前是个黑匣子)，所以我开始区分成本函数。没有意识到它，我使用平方误差的成本函数- MSE，但没有除以数据集的长度。有什么好处(更快的方法，最小或其他)使用均方误差比仅仅求和误差的平方？
浏览 0提问于2018-06-14得票数 4
回答已采纳
2回答
，(x_n，y_n)和整数k为输入点序列的算法，并返回最优的分段线性函数f，该函数由最多k个部分组成，使平方误差和最小.您可以假设您可以访问一个算法，该算法通过一组time.The (N)Θ解决方案中的n个点计算一个段的平方误差之和，该算法应该使用O(n^2k)时间和O(nk)空间。
浏览 1提问于2014-02-16得票数 6
回答已采纳
1回答
对于平均平方误差最小的梯度下降算法，该算法为线性预测器寻找系数。我所指的算法是。当学习速率足够小时，算法发现的这些系数收敛到全局最小值。我们知道存在全局极小值，因为平均平方误差是权值的凸函数。运行梯度下降20000次
方法2
对于每一个，我让学习率为3^i。
浏览 3提问于2016-04-01得票数 1
我只找到了回归问题的良好损失函数。然后在Tensorflow中使用它。对于回归问题，除MSE外，任何其他良好的损失函数都不包括在内。
浏览 6提问于2017-12-29得票数 1
回答已采纳
2回答
我正在使用Matlab曲线拟合工具cftool来拟合我的数据.问题是，相对于y，y值在很大程度上是变化的(大幅度下降)。下面是一个样本，0.1 237.9810 3.785100 0.8041000 0.230拟合格式为: a、b、c和d为常数的y=a/x^b+c/x^d。从matlab曲线拟合是相当准确的大y-values (即在较低的x-范围)，以小于0.1%的偏差。但在较高的x-values下，拟合精度不高(偏
浏览 5提问于2016-11-04得票数 0
回答已采纳
我知道k-medoid算法使用绝对误差准则，但我不明白为什么不使用k-means算法那样的平方误差准则。用绝对误差准则代替平方误差准则有什么优势吗？
浏览 10提问于2017-08-01得票数 0
回答已采纳
1回答
近似奇异矩阵求逆的线性回归
、、、、
此外，即使是数据斜率最小的线(如图所示)的斜率也为17.5。对于正常情况，方法2效果很好。然而，在这种情况下，它给出了一个1.21的小斜率，这是没有意义的。 ?
浏览 56提问于2020-12-10得票数 1
回答已采纳
谁能告诉我什么是“在设置平方误差和(WSSSE)内”和computeCost方法在KMeansModel中的Apache？
浏览 5提问于2015-03-20得票数 1
回答已采纳
我知道如何为欧几里得空间中的数据点编写相似性函数(通过取负的最小平方误差)。现在，如果我想检查图像上的聚类算法，我如何为图像中的数据点编写相似度函数？我是基于它们的RGB值还是别的什么？
浏览 0提问于2009-10-03得票数 0
回答已采纳
据我所知，正则线性回归模型已经最小化了平方误差，这意味着它是这个度量的理论上最好的预测。xgboost的“reg:线性”目标除了最小化平方误差之外，还能做其他的事情吗？
浏览 0提问于2019-12-13得票数 3
回答已采纳
SciPy说，与Matlab函数lsq弧度()等效或最接近的python函数是什么，它将数据和参数化函数(曲线)之间的平方误差降到最小？然而，它们没有使用信赖域相关最小二乘法。当然，我可以自己编写在算法之间切换的条件。但是，如果有现有的python代码，我就不需要重新发明轮子了。
浏览 2提问于2015-08-28得票数 3
回答已采纳
1回答
假设存在两个都是m* n的矩阵A和B，有没有一种方法或算法可以用来获得满足方程A*C= B‘的n*n矩阵C (B’可以通过在B上执行几个步骤的行交换来获得)，其中C满足最小误差平方和。
浏览 0提问于2016-06-21得票数 2
我正在使用cameraCalibration函数的openCV，这是很好的工作。然而，我很难理解为什么它会使用它的特殊成本功能其中，xi'是重新投影(或模型)坐标，xi是原始图像坐标(例如，参见)。直觉上，我会把成本函数写成换句话说，作为点的欧几里德距离的平均值。
浏览 3提问于2020-11-26得票数 1
1回答
我需要一些失真处理的算法
、、、
现在我想找到O的新位置，它使两组距离(O'A'，O'B'，O'C'，O'O)和(OA，OB，OC，OO)的均方根误差(RMSE)最小化。有人知道哪种算法可以解决我的问题吗？
浏览 2提问于2015-12-01得票数 3
我使用来最小化MATLAB中的能量函数。我正在使用的算法将网格拟合到有噪声的网格数据，代价是网格到每个数据点的距离。
目标函数是用平方误差项表示的，以允许使用。我意识到这可能是因为这样一个事实，虽然成本有平方误差，但在目标(成本)函数中有一个阶段，它选择距离每个数据点最近的网格中心，从而使算法不是平方的。我相信这将允许使用高斯-牛顿算法，并显著提高算法的速度。function (which is now square
浏览 4提问于2011-04-05得票数 2
回答已采纳
1回答
您将如何计算这个例子的平方误差使用k-均值算法手工？
所以我想知道他们是如何得到"14.5“、"15.94”和"9.60“的平方误差值的。但我不明白他们是如何计算出平方误差的。
浏览 4提问于2016-01-10得票数 0
回答已采纳
1回答
我假设此数据的加权平均模型：其中E是未知的随机误差项。我需要一个算法来找到a，b，c，最小化总和平方误差：对于给定的数据集。
浏览 4提问于2014-06-01得票数 2
1回答
K-均值火花方差
、、
我使用k-means算法和Spark，我不理解和平方差和方差之间的关系。我使用的是k=1。和平方误差为10.5679450644标准开发: 2.05035446 2.52269532
我可以根据标准差计算平方误差吗？
浏览 2提问于2016-04-13得票数 0
3回答
平方根计算算法
、、、
我一直在用C语言实现控制软件，其中一个控制算法需要平方根计算。我一直在寻找合适的平方根计算算法，它将具有恒定的执行时间，而与根值无关。这个要求排除了标准库中的sqrt函数。就我的应用程序中的基数范围而言，算法是以物理单位计算的，因此我希望使用以下范围<0, 400>。至于所需的误差，我认为大约1%的误差就足够了。有没有人能推荐一个适合我的平方根计算算法？
浏览 9提问于2021-05-13得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
