待验证50% 置信事实精确时间

最小二乘法通过最小化残差平方和(RSS)来求解回归系数，残差指真实值与预测值之间的差距

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

从零手写简单线性回归：最小二乘法推导与Python实现

涉及实体

最小二乘法concept 残差平方和concept

相关事实

待验证残差标准误差(RSE)衡量模型的平均预测偏差，用与Y相同的单位表达，RSE越小说明拟合越好77% 相似待验证假设数据服从高斯分布，最大化似然等价于最小化均方误差72% 相似待验证在高斯输出分布假设下，最小化负对数似然（NLL）与最小化均方误差（MSE）在数学上完全等价69% 相似待验证线性回归的最小二乘损失与逻辑回归的交叉熵损失分别对应高斯噪声假设与伯努利分布假设下的最大似然估计66% 相似待验证当假设预测误差服从均值为零、方差固定的高斯分布时，对似然函数取负对数并展开，其主要项恰好就是均方误差的形式66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/905946

API

curl https://kongchang.com/api/v1/knowledge/claims/905946

MCP

get_claim(id=905946)