SSE2 결정 계수(Coefficient of Determination) SST, SSE, SSR 총 수정 제곱합(Total Corrected Sum of Squares) $SST = \sum_{i = 1}^{n} (y_{i} - \bar {y})^{2} = \sum_{i = 1}^{n} y_{i}^{2} - \bar {y}^{2} $ 오차 제곱합(Error Sum of Squares) $SSE = \sum_{i = 1}^{n}(y_{i} - \hat {y_{i}})^{2}$ 회귀 제곱합(Regression Sum of Squares) $SSR = \sum_{i = 1}^ {n} (\hat {y_{i}}-\bar {y})^{2}$ SSR은 회귀식으로 설명되는 편차를 나타냅니다. 즉 반응 값의 변동이고 SSE는 회귀식으로 설명되지 않는 편차입니다. (오차의 변동) SST = S.. 2019. 10. 8. 단순선형회귀모형(Simple Linear Regression Model) ISLR에서 회귀 모형을 공부하면서 나온 개념들을 수리적으로 증명하려고 합니다. 수리적인 부분이 들어가면 지루하고 어려울 수 있으므로 짧게 여러 번 포스팅하겠습니다. ※ 최소 제곱 법과 적합 모형 ▶ SSE: 잔차 제곱합(residual sum of squares), 오차 제곱합(error sum of squares)라고 합니다. $SSE = \sum_{i=1}^{n} e_{i}^{2} = \sum_{i=1}^{n}(y_{i}-\hat {y_{i}})^{2}=\sum_{i=1}^{n}(y_{i}-a-bx_{i})^{2}$ (a, b에 대한 2 변수 함수) ▶ SSE를 최소화하는 a, b $\frac {\partial (SSE)}{\partial a} = -2\sum_{i=1}^{n}(y_{i}-a-bx_.. 2019. 9. 19. 이전 1 다음