材料中的cv怎么写？
CV就是center vector，指的是目标函数中，自变量x和因变量y之间的加权和的向量，这个向量的每一个元素，就是自变量x和因变量y之间的加权系数。 在最优化问题中，为了求解方程组，需要先确定待求参数的初始值(通常是0)，然后通过迭代计算出方程组的解。而每一步迭代都需要计算目标函数的值。 有了CV，就可以通过下面公式来计算目标函数在指定参数值时的值：
其中，n为样本数量；m为参数个数；x_i 为第i个样本的输入；y_i为第i个样本的输出；\theta=(\theta_1，\theta_2…，\theta_m)^T 是待求的参数向量；u是误差项；\epsilon～N(0，σ2). 上述公式中，第一个等号右边第三项是噪声项，因为误差的分布是未知且无法获得的，所以需要借助期望最大化算法（expectation maximization，EM）或选代方法（iterative method）来不断接近真值，其中EM是一种最大似然估计的方法。
基于上面的公式，要计算目标函数在指定参数值时的值就变得非常简单了。当所有的参数初值给定后，只需要重复以下步骤即可： (1) 计算每个样本的输出； (2) 计算每个样本的误差项； (3) 计算每一样本的输入和输出； (4) 返回第二步，直到所有误差项不再变化或者达到预定值。 这样就可以通过反复迭代，不断地接近最优解。