RegressionTSS=ESS+RSS
1、对风控描述文档进行了修改,交付给了相关同事
2、然后就是把Ken的接口加入到合作方决策引擎中,没什么问题,还是老套路,只是对于AS前置模型的情况进行了一些小处理
3、下午我记得还Henry微信沟通了一下,放宽了AS某个渠道的客户
4、下午还研究了手机三要素的问题,发现根本就没拉3A的手机三要素,然后又是一番沟通,过程中也了解到3A的一些库表结构
5、下午的另外一半时间都是集中在领悟线性回归/相关系数/R2的事情上,R2=ESS/TSS,TSS = ESS + RSS,TSS称为总平方和,ESS称为回归平方和,RSS称为残差平方和,
TSS = ESS + RSS,然后接下来就是解决这个等式的证明,证明要用到一个拆分的技巧,详细过程见
看到这里,又出现了新的问题,为什么残差之和为0,这个我搜了好久,我的直觉告诉我残差之和为0跟最小二乘肯定有什么联系,果然,最后搜到了一个,残差之和为0是最小二乘的一阶条件,使用最小二乘对参数进行估计,令偏导等于0必然有残差之和为0,后面的残差乘以X,求和为0,同理得到,解释详见这个回答
其实本来只是想解决R2和相关系数关系的问题,想不到最后引出这么多问题,好在我都解决掉了,但是R2和相关系数的关系证明,目前我还没能给出,既然都走到这一步了,一咬牙一跺脚就把这个问题也解决了吧,我在星期五的证明过程中,自己也有一点感觉,似乎证明不难的!
下面补充一下R2和相关系数证明
思路就是尝试去根据相关系数做构造,然后把系数用样本点的表达式去带!OK,至此,解决了所有疑惑,问题的最初是为什么pearson相关系数表征的是线性相关性,想不到引出一系列问题,从中我也复习了很多知识线性回归的相关知识!
转自:strwolf的博客
RegressionTSS=ESS+RSS相关推荐
- TSS ESS RSS
TSS: Total Sum of Squares 总离差平方和/总平方和 ESS: Explained Sum of Squares 回归平方和/解释平方和 RSS: Residual Sum of ...
- [机器学习-数学]什么是ESS/RSS/TSS
回归平方和 ESS,残差平方和 RSS,总体平方和 TSS 总变差(TSS):被解释变量Y的观测值与其平均值的离差平 方和(总平方和)(说明 Y 的总变动程度) 解释了的变差(ESS):被解释变量Y的 ...
- 线性回归之总离差平方和=回归平方和+残差平方和(TSS = ESS + RSS)及证明
假设有n个样本,分别为,样本的平均值记为 , 举个例子,例如现在观察到3个样本, 那么样本平均值: . 1.TSS 英文全称:Total Sum of Squares, 中文全称:总离差平方和,或者总 ...
- 《计量经济学》学习笔记之多元线性回归模型
导航 上一章:一元线性回归模型 下一章:放宽基本假定的模型 文章目录 导航 3.1多元线性回归模型 一.多元线性回归模型 二.多元线性回归的基本假设 3.2多元线性回归模型的参数估计 四.参数统计量的 ...
- [转载] Python 多项式拟合(一元回归)
参考链接: Python | 多项式回归的实现 一元一阶线性拟合: 假设存在一条线性函数尽量能满足所有的点:y=ax+b .对所有点的的公式为: 残差值β = 实际值y - 估计值y,β 应尽量小,当 ...
- Python 算法:线性回归及相关公式推导
0 前言 本文以一个小小的案例展开,主要讲解了线性回归的步骤.常用的两种求最优解的方法(最小二乘法和sklearn回归算法及算法原理)及相关函数.公式的过程推导. 相关环境: Windows 64位 ...
- AIC和BIC相关知识
同步于音尘杂记 文章目录 1. 模型拟合优度检验 2. 调整R square 3. AIC和BIC 前面在回顾sklearn时,在广义线性模型中看到选择模型时可以采用AIC和BIC准则,特地复习了下统 ...
- 【机器学习】拟合优度度量和梯度下降(红酒数据集的线性回归模型sklearnRidge)
文章目录 一.拟合优度度量(可决系数) 1.1总离差平方和的分解 1.2 TSS=ESS+RSS 1.3 红酒数据集实例R2_score实现代码 二. 梯度下降 2.1 损失函数直观图(单特征/变量举 ...
- 计量经济学复习笔记(六)updated
接下来就可以很快地把Chapitre4过掉了 先是多变量线性回归模型的栗子,看课件就好了,没什么重要的. 必须强调,类似于柯布道格拉斯生产函数的非线性函数我们也可以将其对数化弄成参数线性的. 然后是偏 ...
最新文章
- R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行SpatialSign变换(将数据投影到单位圆之内)、设置method参数为spatialSign
- Asp.net core 学习笔记 ( Web Api )
- 【Android笔记】Activity的四种启动模式
- grub shell 错误_GRUB启动故障排除和内核编译
- 不用悬浮窗权限弹出全局dialog的解决方法
- 一次详细全面的***报告
- C++空类和string类
- 利用云安监控和管理云
- Adobe网页无法访问服务器,Adobe Acrobat时提示“无法访问网络位置\startup”
- 笔记47-徐 数据库引擎中基于行版本控制的隔离级别
- 基于模板的通用代码生成器LKGenerator(一)-发布和主要功能介绍
- 拷贝构造函数——防篡改
- Hibernate教程——史上最全面的项目和教程集合
- Linux 信号量及其操作函数
- AI智能语音系统,智能语音机器人详解
- 关于aria2-yaaw下载软件
- C/C++犯二程度计算
- 计算机 教学活动设计方案,青岛出版社初中信息技术 七年级下册第二单元 第5课 设计活动策划方案 教学设计...
- JS window的若干属性和方法
- 手把手从0开始学会Python爬虫,从大一初学者视角,带你实现爬虫攥写