線性迴歸的概率解釋及局部加權迴歸

看了吳恩達《機器學習》，發現了線性迴歸的概率解釋，以及極大似然估計和LSM算法的等價性 概率解釋 迴歸模型假設： Epsilon爲誤差項，並且服從正態分佈。在給定x和Epsilon時，y也服從正態分佈。 似然函數： x和y均爲已知，方差固定，即theta爲某一取值時，似然函數最大。 極大似然函數求解： 可見兩個等價~這個轉換的思維還是蠻有趣，記錄下。 局部加權迴歸 與線性迴歸的差異：目標函數略有不

>>阅读原文<<