Machine learning 试图理解线性回归中的期望值
我很难理解学校机器学习课程中的讲义幻灯片 为什么Y=f(X)的期望值是?这是什么意思 我的理解是,X,Y是向量,f(X)输出Y的向量,其中Y向量中的每个单独值(Y_i)对应于f(X_i),其中X_i是索引i处X中的值;但是现在取Y的期望值,它将是一个单一的值,那么它如何等于f(X) 十、 Y(大写)是向量Machine learning 试图理解线性回归中的期望值,machine-learning,linear-regression,probability,Machine Learning,Linear Regression,Probability,我很难理解学校机器学习课程中的讲义幻灯片 为什么Y=f(X)的期望值是?这是什么意思 我的理解是,X,Y是向量,f(X)输出Y的向量,其中Y向量中的每个单独值(Y_i)对应于f(X_i),其中X_i是索引i处X中的值;但是现在取Y的期望值,它将是一个单一的值,那么它如何等于f(X) 十、 Y(大写)是向量 x_i,y_i(小写加下标)是x,y中索引i处的标量,这里有很多混淆。首先让我们从定义开始 定义 期望运算符E[.]:将一个随机变量作为输入,并给出一个标量/向量作为输出。假设Y是一个正态分
x_i,y_i(小写加下标)是x,y中索引i处的标量,这里有很多混淆。首先让我们从定义开始 定义
我希望这个过于杂乱无章的答案能帮助你。一般来说,如果你想学习这些东西,一定要知道你在处理什么类型的数学对象和运算符,它们作为输入是什么,它们与现实生活有什么关联。如果X代表标量,Y代表标量。如果X代表向量,Y代表向量。所以根据讨论的上下文,向量或标量,这两种含义在各自的上下文中都是正确的。@JamesPhillips你能解释一下为什么它是正确的吗?我们说的方程“y=m*x+b”是怎么回事,我想知道当x=5时y的值。这是一个单一的标量值,如果我们都理解这一点,一切都会好起来。如果我们讨论x的向量或值数组,比如[1,2,3,4]y也是一个向量,如果我们在讨论中都理解了这一点,那也没问题。只要我们都同意讨论的内容是关于向量还是标量的,我们就可以毫无问题地交流我们的想法。@JamesPhillips我相信X和y是向量,X_I和y_I是索引I处的标量值,对不起如果不清楚的话。你能解释一下为什么Y的期望值等于f(X),那么E(Y)=f(X)的确切含义是什么?我还没有看到符号E(Y)=f(X)。也许E代表期望值,这可能有意义。