![Посчитайте функцию риска для задачи линейной регрессии с матрицей признаков X, вектором весов w и ответом y: = [[ 2, 0, 2, 2], [ 5, 3, 3, 5], [0, 3, 1, 2], [ 2, 8, 7, 6], [ 7, 1, 3, 2]] = [ -1, 1, 1, -1, 1] = [1, 2, 3, 5, 8] где первая координата —](/public/images/library/external/library-detail-hero-book.png)
Посчитайте функцию риска для задачи линейной регрессии с матрицей признаков X, вектором весов w и ответом y:\nX = [[ 2, 0, 2, 2], [ 5, 3, 3, 5], [0, 3, 1, 2], [ 2, 8, 7, 6], [ 7, 1, 3, 2]]\nw = [ -1, 1, 1, -1, 1]\ny = [1, 2, 3, 5, 8] где первая координата — свободный член
Чтобы посчитать функцию риска для задачи линейной регрессии, нам нужно использовать формулу для среднеквадратичной ошибки (MSE). Функция риска в данном случае будет выглядеть следующим образом: \nR(w) = (1/n) * Σ(yi - ŷi)²
где:
Шаги для вычисления функции риска:
Определим матрицу признаков X, вектор весов w и вектор ответов y. X = [[ 2, 0, 2, 2], [ 5, 3, 3, 5], [ 0, 3, 1, 2], [ 2, 8, 7, 6], [ 7, 1, 3, 2]]
w = [ -1, 1, 1, -1, 1]
y = [1, 2, 3, 5, 8]
Вычислим предсказанные значения ŷ. Для этого нужно умножить матрицу X на вектор w. Обратите внимание, что вектор w должен быть расширен до 5 элементов, чтобы соответствовать количеству строк в X. То есть w = [-1, 1, 1, -1, 1].
Вычисляем ŷ: ŷ1 = 2*...
Внутри — полный разбор, аргументация, алгоритм решения, частые ошибки и как отвечать на каверзные вопросы препода, если спросит
Попробуй решить по шагам
Попробуй один шаг и продолжи в режиме обучения или посмотри готовое решение
