<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>nhn-techorus</author_name>
  <author_url>https://blog.hatena.ne.jp/nhn-techorus/</author_url>
  <blog_title>Chorus Journal | NHN テコラスがお届けする技術メディア</blog_title>
  <blog_url>https://journal.nhn-techorus.com/</blog_url>
  <categories>
    <anon>AI・データ</anon>
  </categories>
  <description>こんにちは、データサイエンスチーム tmtkです。 この記事では、回帰分析において誤差項が正規分布に従うと仮定すれば、最小二乗法が最尤法だとみなせることを説明します。 最小二乗法とは 以前の記事で説明したとおり、最小二乗法とは、回帰問題において残差の二乗和を最小化するパラメータを選択する手法です。 線形回帰について復習すると、線形回帰とは、 [latex]n[/latex]個のデータ[latex](x_{11}, x_{12}, \ldots, x_{1K}; y_1) , (x_{21}, \ldots, x_{2K}; y_2), \ldots, (x_{n1}, \ldots, x_{n…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fjournal.nhn-techorus.com%2Fentry%2Farchives%2F5206&quot; title=&quot;最小二乗法と最尤法 - Chorus Journal | NHN テコラスがお届けする技術メディア&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/n/nhn-techorus/20261009/20261009130318.jpg</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2017-10-26 12:03:12</published>
  <title>最小二乗法と最尤法</title>
  <type>rich</type>
  <url>https://journal.nhn-techorus.com/entry/archives/5206</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
