В «Элементах статистического обучения» выражение для разложения смещения дисперсии линейной модели дается как где - фактическая целевая функция, - дисперсия случайной ошибки в модели и - линейная оценка функции .F ( х 0 ) σ 2 ε у = F ( х ) + ε
Термин дисперсии беспокоит меня здесь, потому что уравнение подразумевает, что дисперсия будет нулевой, если цели бесшумны, то естьНо это не имеет смысла для меня, потому что даже при нулевом шуме я все еще могу получить разные оценки для разных обучающих наборов, что означает, что дисперсия не равна нулю.
Например, предположим, что целевая функция является квадратичной, а обучающие данные содержат две точки, выбранные случайным образом из этой квадратичной; ясно, что я получу различное линейное приближение каждый раз, когда я выбираю две точки случайным образом из квадратичной цели. Тогда как дисперсия может быть нулевой?
Может ли кто-нибудь помочь мне выяснить, что не так в моем понимании разложения смещения?