【发布时间】：2021-02-02 16:18:44
【问题描述】：
我是机器学习的新手。我试图找出给定回归模型线性回归线（模型）的 MSE：y=7.93+1.12x。 X 和 Y 的数据值为 (23, 41), (34, 45), (45, 49), (56,67), (67, 84), (78, 100)。
【问题讨论】：
标签： machine-learning regression linear-regression
【发布时间】：2021-02-02 16:18:44
【问题描述】：
那一定很简单！！！ MSE 表示均方损失误差。 所以假设你的回归函数是 f(x)，其中 x 是维度 d 的特征向量。 f(x) 的输出是缩放器。 一个数据样本的平方误差（设 x1,y1 ；x1 是 d 维空间中的向量，y1 是缩放器）为 ( f(x1) - y )^2。
要计算 MSE，先计算每个数据点的平方误差，然后将所有平方误差相加，平方误差之和除以数据样本数。
在您的情况下，特征向量（x）的维度是 1。 f(x) = 7.93 + 1.12*x。
----代码----
X = (23,34,45,56,67,78)
Y = (41,45,49,67,84,100)
SE = 0.0
对于 X,Y 中的 x,y ：
SE = SE + ( 7.93 + 1.12*x - y)**2
MSE = SE/len(X)
【讨论】：
-
你能解释一下吗？我是机器学习新手
-
len(x) 表示 x 值的线性模型或者是 f(x) 的函数
-
len(x) 表示您拥有的数据样本总数。在您的情况下，它是 6。我认为您的 python 概念可能不够清晰。尝试改进它们不会花费太多时间。
-
感谢您的回答。如何确定 SE 的初始值为 0.0 ？要计算 SE，线性模型问题应该是多个 * 2 而不是 ** 2 ??
-
实际上，我们只是在累积所有数据样本的损失。