专注于互联网--专注于架构

概率密度函数:解决输出和概率函数缺陷的数据研究工具

　　简要回顾：概念　　简单线性回归建模背后的基本目标是从成对的 X 值和 Y 值（即 X 和 Y 测量值）组成的二维平面中找到最吻合的直线。一旦用最小方差法找到这条直线，就可以执行各种统计测试，以确定这条直线与观测到的 Y 值的偏离量吻合程度。　　　　线性方程（y = mx + b）有两个参数必须根据所提供的 X 和 Y 数据估算出来，它们是斜率（m）和 y 轴截距（b）。一旦估算出这两个参数，就可以将观测值输入线性方程，并观察方程所生成的 Y 预测值。　　　　要使用最小方差法估算出 m 和 b 参数，就要找到 m 和 b 的估计值，使它们对于所有的 X 值得到的 Y [阅读全文] [PDF]