ПОЧЕМУ В ЗАДАЧЕ МНК МЫ МИНИМИЗИРУЕМ ЦЕЛЕВУЮ ФУНКЦИЮ А НЕ МАКСИМИЗИРУЕМ

В задаче наименьших квадратов (МНК) мы минимизируем целевую функцию, а не максимизируем по следующей причине:

Наименьшие квадраты используются для аппроксимации данных и поиска оптимальных параметров модели. Целевая функция в МНК представляет собой сумму квадратов разностей между наблюдаемыми значениями и значениями, предсказанными моделью.

Если бы мы максимизировали целевую функцию в МНК, это означало бы максимизацию ошибки модели, что не имело бы смысла и не дало бы точных результатов. Таким образом, мы стремимся минимизировать целевую функцию для того, чтобы найти наилучшую подгонку модели к данным.

Машинное обучение 1 — семинар 2, группа 208

Лекция 1. Введение в машинное обучение.

Лекция 2.1: Линейная регрессия.

Задачи на монотонность функции

Лекция 6. Регрессия, регуляризация. Открытый курс OpenDataScience по машинному обучению mat4ast.com

Cимплексный метод решения задачи линейного программирования (ЗЛП)

XGBoost Part 1 (of 4): Regression