日常机器学习（二十一）误差项分析；似然函数求解；目标函数；最终求解；评估方法

一般来讲理论值和真实值之间都会有一定的误差。
假设：
1）一般来说假设误差满足均值为0，方差为sigma^2的高斯分布。
2）两个独立变量之间相互独立，即每个误差相互独立
3）所有误差满足同分布
为什么选用高斯分布呢？因为高斯分布绝大多数的情况下浮动不会太大。
预测模型为：

误差满足高斯分布

将误差带入模型：

该式子的似然函数为：

取对数后:

对对数似然函数进行化简：

前一项为常数，为了使似然函数越小，那么目标函数越大越好：

目标函数转化为：

求偏导：

偏导等于0，得到最终式子：

一般用的评估项：

分子是残差平方和，分母是类似方差项，这个值越接近1说明结果越好。