
上QQ阅读APP看书,第一时间看更新
第4章 回归
无平不陂,无往不复。
——《周易·泰》
已知的N个观测值
,但不知
,这里f称为期望回归函数,试求
,这个问题为回归问题。显然,
只表示一个类。因此,U=V自然成立,可以不予考虑。假设学到的输出类内部表示为
,其中F称为学到的回归函数。
令,其中F是回归函数,
,易知,回归的输入可以表示为
,其输出可以表示为
。因此,回归也可以看作单类归类问题。
由于所有点都属于同一类,易证且
。但是,一般情况下,
。故类表示唯一公理不成立。根据类一致性准则,一个好的类表示
应该最小化目标函数(4.1):

由于f未知,直接计算是不可能的。但是,由于知道f的N个样本值,可以近似估计
。显然,
的不同近似估计将导出不同的回归模型。通常可以定义
。