![{\displaystyle {\begin{aligned}\operatorname {MSE} ({\hat {\theta }})&=\operatorname {E} _{\theta }\left[({\hat {\theta }}-\theta )^{2}\right]\\&=\operatorname {E} _{\theta }\left[\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]+\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)^{2}\right]\\&=\operatorname {E} _{\theta }\left[\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)^{2}+2\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)+\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)^{2}\right]\\&=\operatorname {E} _{\theta }\left[\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)^{2}\right]+\operatorname {E} _{\theta }\left[2\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)\right]+\operatorname {E} _{\theta }\left[\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)^{2}\right]\\&=\operatorname {E} _{\theta }\left[\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)^{2}\right]+2\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)\operatorname {E} _{\theta }\left[{\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right]+\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)^{2}&&\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta ={\text{const.}}\\&=\operatorname {E} _{\theta }\left[\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)^{2}\right]+2\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)+\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)^{2}&&\operatorname {E} _{\theta }[{\hat {\theta }}]={\text{const.}}\\&=\operatorname {E} _{\theta }\left[\left({\hat {\theta }}-\operatorname {E} _{\theta }[{\hat {\theta }}]\right)^{2}\right]+\left(\operatorname {E} _{\theta }[{\hat {\theta }}]-\theta \right)^{2}\\&=\operatorname {Var} _{\theta }({\hat {\theta }})+\operatorname {Bias} _{\theta }({\hat {\theta }},\theta )^{2}\end{aligned}}}](/media?src=https://wikimedia.org/api/rest_v1/media/math/render/svg/2ac524a751828f971013e1297a33ca1cc4c38cd6&board=programming&pid=1509094)
이지랄하는게 ㄹㅇ루 재밌냐
딥러닝 재밌다고?
익명(218.147)
2020-10-29 23:40
추천 0
댓글 14
다른 게시글
-
전자정부 프레임워크가 대한민국 개발자 수준을 낮추는듯 [5]익명(182.210) | 20.10.29추천 2
-
다음주에 고딩 3학년 2학기 최종고사?라는 시험이 있다는데요 [5]sfdsa(experimenter) | 20.10.29추천 0
-
생각 강박증 때문에 너무 힘들었음 [2]익명(211.244) | 20.10.29추천 0
-
근데 국비 6개월에 어떻게하면 업무가 가능하냐? [7]익명(112.149) | 20.10.29추천 0
-
끄투온라인 개노답이네 [2]익명(175.116) | 20.10.29추천 1
-
내일까지 면접이던데 담주에 발표나겠지 ㅇㅅㅇ [3]솔티(rollingtriangle) | 20.10.29추천 0
-
머리쓰기 싫으면 전산직오셈 [7]익명(220.88) | 20.10.29추천 0
-
비트코인 같이 공부할사람? [1]익명(112.186) | 20.10.29추천 0
-
뭔가 로우한 개발이 해보고 싶은데 ㅇㅅㅇ [2]솔티(rollingtriangle) | 20.10.29추천 0
-
내 말은 일상생활에서 선착순 먹는 코드 짠다치면 [2]익명(112.149) | 20.10.29추천 0
재밌음
뭔지 모르니까 재밌지 ㅋㅋ
ㅇㅇ
근데 3번째줄에서 4번째줄로 넘어가는거 성립함?
ㅇㅇ 기댓값의 원리
ㄳ
고딩때 배웠던거아니냐
???
대학교 통계수학때 배우는걸 고딩때 배운다고?
수학의 정석보니깐 나오네
theta_hat이 고딩때 나온다고?
ㅋㅋㅋ 세타하나보고 고딩드립치는듯ㅋㅋㅋ
근데 신경망 어차피 다 구현되어있는데 걍 관념적으로 데이터흐름만 알고 있으면 되지 않음? 수식으로 표현을 해야할 필요가 있나.
나도 머신러닝을 배워본적은 없고 통계학과에서 부전공으로 20학점정도 들었는데 저걸 알아야 하는 이유는,, input할 데이터의 엄밀성을 파악해야 되기 때문이라고 생각함 ㅇㅇ