[机器学习-数学]什么是ESS/RSS/TSS

回归平方和 ESS，残差平方和 RSS，总体平方和 TSS

总变差（TSS）：被解释变量Y的观测值与其平均值的离差平
方和（总平方和）(说明 Y 的总变动程度）

解释了的变差（ESS）：被解释变量Y的估计值与其平均值的
离差平方和（回归平方和）

剩余平方和 （RSS）：被解释变量观测值与估计值之差的平方
和（未解释的平方和）

他们的关系是TSS=RSS+ESS

TSS: Total Sum of Squares 总离差平方和/总平方和

其中$\overline{y}$被解释变量的平均值， $y_i$ 被解释变量Y的观测值 也就是真实值

ESS: Explained Sum of Squares 回归平方和/解释平方和

其中$\overline{y}$被解释变量的平均值， $\widehat{y_i}$ 被解释变量Y的估计值

RSS: Residual Sum of Squares 残差平方和

其中 $y_i$ 被解释变量Y的观测值 也就是真实值 , $\widehat{y_i}$ 被解释变量Y的估计值

variance 方差公式

平均值

参考资料来源：百度百科-回归平方和

参考资料来源：百度百科-残差平方和

参考资料来源： 百度百科-方差