当前位置:   article > 正文

MMSE(最小均方误差和LS(最小二乘)有什么区别?_mmse和ls算法比较

mmse和ls算法比较

MMSE 和 LS的最大区别在于!!!MMSE解决的问题是模型已知,参数未定的问题。 而 LS解决的是模型未知, 参数未定的问题!!!!!***这两个东西就不是用来解决同一类问题的

在这里插入图片描述
MMSE和均值有关,求均值就一定要知道确切的分布,而不是经验分布, 因此想要求解MMSE,如果你不知道后验概率模型,请问你该如何求解??求不了的!
MMSE的求解一定是完全已知参数的概率分布,才能求解。求MMSE的过程只不过是个计算的过程,因为模型已知,你不需要关注模型是否是合适的,均值就直接求就行了。
在这里插入图片描述
而LS的求解过程,是个回归的过程,也就是说,不光你要在乎cost function的大小,你还要关心你模型的好坏。 首先你自己蒙一个函数关系,而后用实验数据带入自己建立的模型中,得到 x_predict,而后计算cost function的值的大小。 你完全不需要知道x的概率分布,也不需要求什么mean。你唯一在乎的就是你从cost function。 大就是不行,小就是牛b。再说一遍,这两者之间的不同的重点在于! 模型是已知还是未知。 如果未知,你就要给出一个模型,而后计算J。通过最小化J来找参数的值。如果是已知,你就直接求mean,就直接得到来MMSE。

在这里插入图片描述

作者:Allen
链接:https://www.zhihu.com/question/27200164/answer/1181818191
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/码创造者/article/detail/812440
推荐阅读
相关标签
  

闽ICP备14008679号