跳至內容

殘差平方和

維基百科,自由的百科全書

殘差平方和(英語:Residual sum of squares,縮寫:RSS)在統計學上是指將所有做預測時的誤差值平方加起來得出的數:

它是衡量數據與估計模型之間差異的尺度。較小的殘差平方和表示模型能良好地擬合數據。在確定參數和選擇模型時,殘差平方和是一種最優性準則。通常,總的方差=已經被模型解釋了的平方和+殘差平方和。

殘差平方和這個數值在機器學習上是普通最小二乘法演算法的重心。

與皮爾遜相關係數的關係

對於兩變量x和y, 它們的數據組的均值分別記為,則兩數據組的皮爾遜相關係數,其中, .

給定最小二乘回歸線方程為 , 其中  ; . 則這時殘差平方和可以表示為:

通過皮爾遜相關係數的公式,可以得到 .