[機統] 機器學習統計推論(Minimize EPE)
圖片取自The Elements of Statistical Learning
內容第18頁
連結如下：
https://web.stanford.edu/~hastie/ElemStatLearn/printings/ESLII_print12_toc.pdf
我的問題在(2.11)式子的理解以及如何到達(2.13)的思路。
從到(2.11)開始說起，
我的理解是透過EPE(f)我們可以知道Square error loss的期望值，
當我們把最外層的期望值脫掉，可以得到以下這個式子(A)
https://imgur.com/4aFPF0P
對於任意給定的x，都可以得到一個f(x)，然後我們將從全部的x中
找到一個x使得(A)最小。
接著得知(2.12)這個式子最小的結果就是f(x)。
第一個問題是(2.12)如何從(2.11)推過來的？
第二個問題是憑什麼f(x)可以是一個常數c？
我的理解可能有很多錯誤，請大神指教，謝謝。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.168.196.131 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1607597386.A.BF7.html
討論串 (同標題文章)
