残差平方和维基百科,自由的 encyclopedia 残差平方和(英语:Residual sum of squares,缩写:RSS)在统计学上是指将所有做预测时的误差值平方加起来得出的数: R S S = ∑ i = 1 n e i 2 {\displaystyle RSS=\sum _{i=1}^{n}e_{i}^{2}\,} 此条目可参照英语维基百科相应条目来扩充。 (2021年1月4日) 它是衡量数据与估计模型之间差异的尺度。较小的残差平方和表示模型能良好地拟合数据。在确定参数和选择模型时,残差平方和是一种最优性准则。通常,总的方差=已经被模型解释了的平方和+残差平方和。 残差平方和这个数值在机器学习上是普通最小二乘法等算法的重心。
残差平方和(英语:Residual sum of squares,缩写:RSS)在统计学上是指将所有做预测时的误差值平方加起来得出的数: R S S = ∑ i = 1 n e i 2 {\displaystyle RSS=\sum _{i=1}^{n}e_{i}^{2}\,} 此条目可参照英语维基百科相应条目来扩充。 (2021年1月4日) 它是衡量数据与估计模型之间差异的尺度。较小的残差平方和表示模型能良好地拟合数据。在确定参数和选择模型时,残差平方和是一种最优性准则。通常,总的方差=已经被模型解释了的平方和+残差平方和。 残差平方和这个数值在机器学习上是普通最小二乘法等算法的重心。