Я. Гудфеллоу, И. Бенджио, А. Курвилль

w
⏉
x
,
 
(5.3)
где 
w
∈
ℝ
n
–
вектор 
параметров
.
Параметры – это величины, управляющие поведением системы. В данном случае 
w
i
–
коэффициент, на который нужно умножить признак 
x
i
перед включением в сумму 
вкладов всех признаков. Иными словами, 
w
– набор весов, описывающих влияние от-
дельных признаков на результат предсказания. Если вес 
w
i
признака 
x
i
положителен, 
то увеличение признака приводит к увеличению результата 
y
�
, а если отрицателен, 
то к уменьшению. Если абсолютная величина веса признака велика, то его влияние 
на предсказание значительно. Если же вес признака равен 0, то признак вообще не 
влияет на предсказание.

---

104 

 
Основы машинного обучения 
Таким образом, определение нашей задачи 
T
выглядит следующим образом: пред-
сказать 
y
по 
x
, вычислив значение 
y
�
= 
w
⏉
x
. Далее необходимо определение меры ка-
чества 
P
.
Пусть имеется матрица плана с 
m
примерами, которые мы будем использовать не 
для обучения, а только для оценки качества работы модели. Имеется также вектор ме-
ток, содержащий правильные значения 
y
для каждого из этих примеров. Поскольку 
этот набор данных будет использоваться только для контроля качества, назовем его 
тестовым набором. Обозначим матрицу плана 
X
(test)
, а вектор меток регрессии –