https://imgur.com/DU5W4Sq 图片取自The Elements of Statistical Learning 内容第18页 连结如下： https://web.stanford.edu/~hastie/ElemStatLearn/printings/ESLII_print12_toc.pdf 我的问题在(2.11)式子的理解以及如何到达(2.13)的思路。 从到(2.11)开始说起， 我的理解是透过EPE(f)我们可以知道Square error loss的期望值， 当我们把最外层的期望值脱掉，可以得到以下这个式子(A) https://imgur.com/4aFPF0P 对於任意给定的x，都可以得到一个f(x)，然後我们将从全部的x中 找到一个x使得(A)最小。 接着得知(2.12)这个式子最小的结果就是f(x)。 第一个问题是(2.12)如何从(2.11)推过来的？ 第二个问题是凭什麽f(x)可以是一个常数c？ 我的理解可能有很多错误，请大神指教，谢谢。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.168.196.131 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Math/M.1607597386.A.BF7.html