情報科学 › 機械学習の数学 › 線形回帰と最小二乗法

平方和の分解と決定係数

系 4.4(「線形回帰と最小二乗法」§4) ・ ✓公理まで証明済み

XX の列に全成分 11 のベクトル 1\boldsymbol{1} が含まれているとする。y^=Xw^\hat{\boldsymbol{y}} = X\hat{\boldsymbol{w}}、r^=y−y^\hat{\boldsymbol{r}} = \boldsymbol{y}-\hat{\boldsymbol{y}}、yˉ=1n∑iyi\bar{y} = \frac{1}{n}\sum_i y_i とおくと、次が成り立つ。

  1. ∑i=1nr^i=0\sum_{i=1}^n \hat{r}_i = 0、したがって 1n∑iy^i=yˉ\frac{1}{n}\sum_i \hat{y}_i = \bar{y}。
  2. 平方和の分解
∑i=1n(yi−yˉ)2⏟全変動 Stot=∑i=1n(y^i−yˉ)2⏟回帰変動+∑i=1nr^i 2⏟残差変動 Sres\underbrace{\sum_{i=1}^n (y_i-\bar{y})^2}_{\text{全変動 } S_{\mathrm{tot}}} = \underbrace{\sum_{i=1}^n (\hat{y}_i-\bar{y})^2}_{\text{回帰変動}} + \underbrace{\sum_{i=1}^n \hat{r}_i^{\,2}}_{\text{残差変動 } S_{\mathrm{res}}}

が成り立つ。とくに Stot≠0S_{\mathrm{tot}} \ne 0 のとき、決定係数 R2=1−Sres/StotR^2 = 1 - S_{\mathrm{res}}/S_{\mathrm{tot}} は 0≤R2≤10 \le R^2 \le 1 を満たす。

本文で読む(証明と前後の説明)→

閉包の状態

✓ 公理まで証明済み

証明が使う定理を 前提 としてたどると、Rikai の中の証明だけで定義・公理(物理では基本仮定)までつながっています(前提の定理類 3 件、定義なども含めて 4 件)。

印の意味: ✓公理まで証明済み ・ △証明あり(閉包未完)・ ※主張のみ。テーマごとの集計は 閉包の状況。

前提をたどる 証明が使う定理・定義(直接 2 件)

▸ を開くと、その項目の証明が使う前提が出ます。深い先は各項目のページでたどれます。

これを使っている定理

証明で明示的に参照している定理は、まだありません。

関連するノック 2 問