2018-09-18

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 關(guān)于均方誤差的學(xué)習(xí)?


? ? ? ?在2018年9月18日晚自習(xí)時(shí)間,我們學(xué)習(xí)了關(guān)于機(jī)器學(xué)習(xí)的一部分內(nèi)容旷偿,其中有一小塊是關(guān)于均方誤差的,那么我就向大家解釋一下什么是均方誤差吧!

??所謂均方誤差,即反映估計(jì)量與被估計(jì)量之間差異程度的一種度量。設(shè)t是根據(jù)子樣確定的總體參數(shù)θ的一個(gè)估計(jì)量伤锚,(θ-t)2的數(shù)學(xué)期望,稱為估計(jì)量t的均方誤差志衣。它等于σ2+b2屯援,其中σ2與b分別是t的方差與偏倚猛们。

那么先給大家區(qū)分一下方差、標(biāo)準(zhǔn)差狞洋、均方誤差吧弯淘!

方差

百度百科中關(guān)于方差的解釋為:(variance)是在概率論和統(tǒng)計(jì)方差衡量隨機(jī)變量或一組數(shù)據(jù)時(shí)離散程度的度量。概率論中方差用來度量隨機(jī)變量和其數(shù)學(xué)期望(即均值)之間的偏離程度徘铝。統(tǒng)計(jì)中的方差(樣本方差)是每個(gè)樣本值與全體樣本值的平均數(shù)之差的平方值的平均數(shù)耳胎。在許多實(shí)際問題中,研究方差即偏離程度有著重要意義惕它。 方差是衡量源數(shù)據(jù)和期望值相差的度量值。 假設(shè)有一組離散的數(shù)據(jù)xn=[x1,x2,x3,x4........xn]xn=[x1,x2,x3,x4........xn]废登。數(shù)據(jù)的均值:xˉˉˉ=∑n1xinxˉ=∑1nxin淹魄,則數(shù)據(jù)的方差為var=∑n1(x?xˉˉˉ)2nvar=∑1n(x?xˉ)2n?。

標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差(Standard Deviation) 堡距,又稱為均方差甲锡,但是離均差平方的算術(shù)平均數(shù)的平方根。標(biāo)準(zhǔn)差是方差的算術(shù)平方根羽戒。標(biāo)準(zhǔn)差能反映一個(gè)數(shù)據(jù)集的離散程度缤沦。平均數(shù)相同的兩組數(shù)據(jù),標(biāo)準(zhǔn)差未必相同易稠。?

標(biāo)準(zhǔn)差可以當(dāng)作不確定性的一種測量缸废。例如在物理科學(xué)中,做重復(fù)性測量時(shí)驶社,測量數(shù)值集合的標(biāo)準(zhǔn)差代表這些測量的精確度企量。當(dāng)要決定測量值是否符合預(yù)測值,測量值的標(biāo)準(zhǔn)差占有決定性重要角色:如果測量平均值與預(yù)測值相差太遠(yuǎn)(同時(shí)與標(biāo)準(zhǔn)差數(shù)值做比較)亡电,則認(rèn)為測量值與預(yù)測值互相矛盾届巩。這很容易理解,因?yàn)槿绻麥y量值都落在一定數(shù)值范圍之外份乒,可以合理推論預(yù)測值是否正確恕汇。?

而標(biāo)準(zhǔn)差和方差具有開平方的關(guān)系,即:

均方誤差

均方差與均方誤差(mean squared error或辖,MSE)不同瘾英,均方誤差是各數(shù)據(jù)偏離真實(shí)值的距離平方和的平均數(shù),也即誤差平方和的平均數(shù)孝凌,用σ表示方咆。均方誤差可以用在機(jī)器學(xué)習(xí)中的損失函數(shù),用于預(yù)測和回歸蟀架。均方誤差的公式為:?


最后瓣赂,三者關(guān)系為:?

1榆骚、均方差就是標(biāo)準(zhǔn)差,標(biāo)準(zhǔn)差就是均方差?

2煌集、均方誤差不同于均方誤差?

3妓肢、均方誤差是各數(shù)據(jù)偏離真實(shí)值的距離平方和的平均數(shù)

均方誤差(Mean Squared Error, MSE)

在相同測量條件下進(jìn)行的測量稱為等精度測量,例如在同樣的條件下苫纤,用同一個(gè)游標(biāo)卡尺測量銅棒的直徑若干次碉钠,這就是等精度測量。對于等精度測量來說卷拘,還有一種更好的表示誤差的方法喊废,就是標(biāo)準(zhǔn)誤差。

標(biāo)準(zhǔn)誤差定義為各測量值誤差的平方和的平均值的平方根栗弟。

設(shè)n個(gè)測量值的誤差為ε1污筷、ε2……εn,則這組測量值的標(biāo)準(zhǔn)誤差σ等于:


數(shù)理統(tǒng)計(jì)中均方誤差是指參數(shù)估計(jì)值與參數(shù)真值之差平方的期望值乍赫,記為MSE瓣蛀。MSE是衡量“平均誤差”的一種較方便的方法,MSE可以評價(jià)數(shù)據(jù)的變化程度雷厂,MSE的值越小惋增,說明預(yù)測模型描述實(shí)驗(yàn)數(shù)據(jù)具有更好的精確度。與此相對應(yīng)的改鲫,還有均方根誤差RMSE诈皿、平均絕對百分誤差等等。


? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ————2017級卓工班? 蒲虹宇

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末钩杰,一起剝皮案震驚了整個(gè)濱河市纫塌,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌讲弄,老刑警劉巖措左,帶你破解...
    沈念sama閱讀 221,576評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異避除,居然都是意外死亡怎披,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,515評論 3 399
  • 文/潘曉璐 我一進(jìn)店門瓶摆,熙熙樓的掌柜王于貴愁眉苦臉地迎上來凉逛,“玉大人,你說我怎么就攤上這事群井∽捶桑” “怎么了?”我有些...
    開封第一講書人閱讀 168,017評論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長诬辈。 經(jīng)常有香客問我酵使,道長,這世上最難降的妖魔是什么焙糟? 我笑而不...
    開封第一講書人閱讀 59,626評論 1 296
  • 正文 為了忘掉前任口渔,我火速辦了婚禮,結(jié)果婚禮上穿撮,老公的妹妹穿的比我還像新娘缺脉。我一直安慰自己,他們只是感情好悦穿,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,625評論 6 397
  • 文/花漫 我一把揭開白布攻礼。 她就那樣靜靜地躺著,像睡著了一般咧党。 火紅的嫁衣襯著肌膚如雪秘蛔。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,255評論 1 308
  • 那天傍衡,我揣著相機(jī)與錄音,去河邊找鬼负蠕。 笑死蛙埂,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的遮糖。 我是一名探鬼主播绣的,決...
    沈念sama閱讀 40,825評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼欲账!你這毒婦竟也來了屡江?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,729評論 0 276
  • 序言:老撾萬榮一對情侶失蹤赛不,失蹤者是張志新(化名)和其女友劉穎惩嘉,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體踢故,經(jīng)...
    沈念sama閱讀 46,271評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡文黎,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,363評論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了殿较。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片耸峭。...
    茶點(diǎn)故事閱讀 40,498評論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖淋纲,靈堂內(nèi)的尸體忽然破棺而出劳闹,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 36,183評論 5 350
  • 正文 年R本政府宣布本涕,位于F島的核電站业汰,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏偏友。R本人自食惡果不足惜蔬胯,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,867評論 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望位他。 院中可真熱鬧氛濒,春花似錦、人聲如沸鹅髓。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,338評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽窿冯。三九已至骗奖,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間醒串,已是汗流浹背执桌。 一陣腳步聲響...
    開封第一講書人閱讀 33,458評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留芜赌,地道東北人仰挣。 一個(gè)月前我還...
    沈念sama閱讀 48,906評論 3 376
  • 正文 我出身青樓,卻偏偏與公主長得像缠沈,于是被迫代替她去往敵國和親膘壶。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,507評論 2 359

推薦閱讀更多精彩內(nèi)容