From c6c8a334aa7ea870cba28c462ed1121d52d17a20 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Konrad=20V=C3=B6lkel?= <konrad.voelkel@hhu.de> Date: Thu, 13 Jul 2023 19:22:37 +0200 Subject: [PATCH] fix missing 1/n --- lineare-regression.ipynb | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/lineare-regression.ipynb b/lineare-regression.ipynb index b1449b6..5846a33 100644 --- a/lineare-regression.ipynb +++ b/lineare-regression.ipynb @@ -34,7 +34,7 @@ "Der Einfachheit halber sei $k=1$, d.h. $X_i$ eine univariate Variable.\n", "Wenn wir für $f$ die Klasse der konstanten Funktionen wählen, dann ist $f(X_i,\\beta) = \\beta_1$\n", "und wir suchen das $\\beta_1$, sodass $Y_i = \\beta_1 + \\epsilon_i$, also ein $\\beta_1$, welches für alle Werte $y_i$ den Abstand $d(\\beta_1, y_i) = y_i - \\beta_1$ minimiert.\n", - "Das ist der Fall für $\\texttt{mse}(y,\\beta_1) = \\sum_{i=1}^n (y_i - \\beta_1)^2$ minimal, d.h. $\\beta_1 = \\texttt{mean}(y)$.\n", + "Das ist der Fall für $\\texttt{mse}(y,\\beta_1) = \\frac{1}{n} \\sum_{i=1}^n (y_i - \\beta_1)^2$ minimal, d.h. $\\beta_1 = \\texttt{mean}(y)$.\n", "```\n", "\n", "```{admonition} Beispiel\n", @@ -1072,7 +1072,7 @@ ], "metadata": { "kernelspec": { - "display_name": "Python 3 (ipykernel)", + "display_name": "Python 3", "language": "python", "name": "python3" }, @@ -1086,7 +1086,7 @@ "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", - "version": "3.8.10" + "version": "3.9.2" } }, "nbformat": 4, -- GitLab