第三课,无偏估计

在实际中,我们用机器学习处理一个东西,我们认为这个东西服从某个分布,那么就会有一个对应的均值和方差(未知,要被估计),而我们拿到的数据就是来自这个东西的样本,依据公式
12T@4A4BEQQ4VU8AE)C4SU.png
可以计算这个样本的均值和方差,而实际这个东西(整体)的方差是
8~}U4H[WZAP9OR}]S5}@93T.png
,对他们求期望就认为是整体(这个东西)的期望和方差。这句话的表述没问题吧?估计出整体期望和方差然后再干嘛?
 
问题二:
CFB9Q]O)3R6YM7SGL`P]@OO.png

这个往后怎么推出合同的那个等式?

 
问题三:
YS50[~XLLY25]V7`DVXA(Y.png
 我感觉这个写的不对呀,应该是C的列向量能由B的列向量线性表示,C的行向量由A的行向量线性表示。假设A是4*3的矩阵,B是3*3,C是4*3,C=AB,那么对于C的列向量,假如第一列那就是4*1的,A的列向量是4*1的,那么B只能是1*1的才行,如果C的列向量能由B的列向量线性表示那么就是4*1=4*3(A)*3*1符合矩阵乘法;C的行向量由A的行向量线性表示,那么就是1*3=1*3*3*3(B)

邹博 - 计算机科学博士,深谙机器学习算法原理

赞同来自: fish lvapple

1、通过样本来估计统计量是我们的目的之一,并且,特殊情况下,如果该总体是正态总体,则根据估计得到的均值和方差,就完全确定了总体的分布。这对进一步了解总体的其他性质和进行进一步的推算很有好处。   2、该问题可以这样推导:
对角化.png
  3、课件中的C=AB的说法,也是正确的。可以把A看成(a1,a2...an)这n个列向量的形式,然后,他们和B的某一列的值线性加权,就是C的列向量。当然,你看成B的列向量和A的某一行的元素加权,也完全没有问题。

要回复问题请先登录注册