稳健估计/M估计/最小二乘法

最新推荐文章于 2025-03-17 14:54:01 发布
最新推荐文章于 2025-03-17 14:54:01 发布
阅读量3.1w 收藏 163
点赞数 19
分类专栏： 数学 文章标签： 稳健估计 最小二乘 M估计 ELM 回归
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_35570545/article/details/55212241
版权
本文介绍了稳健估计的概念及其在存在粗差情况下的应用，并基于最小二乘法讨论了多元线性回归理论，进一步探讨了M估计的加权最小二乘估计方法。此外，还提到了极限学习机作为单隐层前馈神经网络的一种实现形式。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

摘要：稳健估计是在粗差不可避免的情况下，选择适当的估计方法使未知量估计尽可能减免粗差的影响，得出正常模式下的最佳估计。本文先介绍基于最小二乘法的多元线性回归理论，再引出基于M估计的加权最小二乘估计。
关键词：稳健估计，M估计，最小二乘法，加权，极限学习机
这里写图片描述
这里写图片描述
这里写图片描述

最低0.47元/天 解锁文章
5.6 稳健最小二乘法
jhshanvip的博客
05-02 2705
5.6 稳健最小二乘法 稳健最小二乘法是一种能有效抑制强影响点对回归结果造成影响的方法，利用加权最小二乘法的思想，对残差大的测量点赋予低权重，残差正常的测量点赋予相同权重，则可以抑制异常点对结果的影响，获得较为稳定的估计值，不易受强影响点的影响。假设第 iii 个测量点的残差为 δi\delta_iδi​ ，权重为 wiw_iwi​ ，最常用的权重取值方式如下，即著名的Huber函数。 wi={1...
稳健性估计—— M 估计
weixin_42141390的博客
06-15 6548
M 估计法，估计均值 M 估计法算均值的原理在于求解下述方程： ave[f(xi−TnSn)]=0 \text{ave}[ f(\frac{x_i-T_n}{S_n})] = 0 ave[f(Sn​xi​−Tn​​)]=0 其中 TnT_nTn​ 是对均值的估计值（方程的解即为 M 算法估计均值的结果），SnS_nSn​ 为对方差平方根（标准差）的估计。 对于小样本来说（n∈[4,8]n\in[4, 8]n∈[4,8]），SnS_nSn​ 取 MAD，即： MADn(X)=1.4826×medn(∣xi−m
最小二乘法和最小二乘估计和M估计式什么关系？
qq_42537872的博客
07-20 1035
最小二乘法和最小二乘估计和M估计式什么关系？
稳健估计,P范数最小法
小葱拌豆腐
12-13 2765
前言 数据探测和稳健估计均可以探测出粗差，但是数据探测仅仅在数据中仅一个观测量含有粗差时好用，如果想要检验多个粗差，需要逐步剔除已检验粗差，再继续检验。而稳健估计在处理包含有多个粗差时有一定优势。 稳健估计 稳健估计分为三大类：M估计，R估计，L估计，M估计最常用，它是一种广义的极大似然估计，有分为选权迭代法和P范数最小法。 M估计的准则 其中ρ为M估计的函数，p为权 M估计的稳健性与ρ的选择有...
最小二乘法的算法原理
最新发布
qq_36812406的博客
03-17 1619
（Least Squares Method）是一种数学优化技术，核心思想是通过最小化预测值与真实值之间的。最小二乘法的几何意义是：将观测值 ( y ) 投影到设计矩阵 ( X ) 的列空间，使得残差向量。：根据房屋面积 ( x ) 预测价格 ( y )。，找到模型参数的最优解。）求解,后面章节进行讲解。），需使用迭代方法（如。
极大似然估计、拉普拉斯平滑定理、M-估计详解
热门推荐
dzyj211的博客
10-07 1万+
注意： （1）   原载地址：http://blog.csdn.net/xinhanggebuguake/article/details/8765536              （2）   英文原文链接：http://www.temida.si/~bojan/probability_estimation.PHP 概率估计 1引言 假设在一次实验中，我们进行了n次独立试验，
M估计（M-estimation，Maximum likelihood-type estimation）
Python领域优质萌新学习笔记
12-16 1504
假设我们有一个样本数据。
Huber稳健估计
10-16
鲁棒估计中的Huber估计，C#源码，仅供参考
稳健估计方法
m0_51327832的博客
04-10 3331
最小二乘法得到的估计量为 1.Huber回归估计量为 其中，为预先给定的阈值。 由上式可以看出，在残差绝对值小于阈值时，仍然采用平方损失。在残差绝对值大于阈值时，认为该数据值为异常值，通过绝对值损失来降低对应数据点的权重。平方损失可以得到无偏估计，但对于异常值敏感，而绝对值损
最小二乘法（带你 原理 实践）
2303_79387663的博客
03-08 3923
最小二乘法作为一种重要的数学优化技术，在回归分析中发挥着至关重要的作用。它通过最小化残差平方和来确定模型的参数，使得模型的预测值与观测值之间的误差最小。虽然最小二乘法存在一些缺点和不足，但在实际应用中，我们可以结合具体问题的特点和需求，选择适当的方法和技巧来克服这些缺点，提高模型的准确性和可靠性。随着大数据时代的到来，数据分析和挖掘的需求越来越强烈。最小二乘法作为一种基础的数据分析工具，将在未来的数据分析领域继续发挥重要作用。
广义线性模型的M-估计 (2011年)
05-25
用M-估计来估计广义线性模型中的未知参数β.首先,在一定的假设条件下,根据已有的对广义线性模型中未知参数β的极大似然估计方法,应用大数定律及鞍中心极限定理,证明了广义线性模型的M-估计的两个重要性质,即相合性及渐近正态性.其次,将固定设计的思想引入M-估计,并与广义线性模型相结合,证明了其相合性及渐近正态性.最后通过数值模拟证明了估计的优良性.
LS1.zip_估计_最小二乘法_辅助变量法_递推辅助变量
09-24
在实际应用中，如果误差项不是独立同分布的，GLS将提供比普通最小二乘法更稳健的参数估计。 压缩包中的"LS1.m"文件很可能是一个MATLAB脚本，用于实现上述概念的算法。MATLAB是一种广泛用于数值计算和数据分析的编程...
最小二乘法_最小二乘法_
10-01
最小二乘法是一种在数学和统计学中广泛使用的优化技术，用于从一组数据点估计模型参数。这种方法在处理线性和非线性问题时都十分有效，尤其在数据分析、信号处理和工程领域中有着广泛应用。标题提到的是使用MATLAB...
最小二乘法
m0_54902013的博客
03-16 1689
假设有一系列数据点(xi,yi)(i=1,...,m)(x_i, y_i)(i=1,...,m)(xi​,yi​)(i=1,...,m)，线性回归就是要找到一个拟合函数，使之尽可能地逼近这些数据点。假设拟合函数为h(x)=kx+bh(x)=kx+bh(x)=kx+b，那么每个样本的估计量就是h(xi)h(x_i)h(xi​)，进而实际值和估计量的残差为：ri=h(xi)−yir_i=h(x_i)-y_iri​=h(xi​)−yi​ 对于残差rir_iri​，有三种相关的范数： ∞\infin∞-范数：残差
稳健估计
weixin_30672019的博客
10-18 1049
测量中粗差不可避免，但是常用的最小二乘估计却不具备抗干扰的能力，对含粗差的观测量相当敏感，因此如果拿最小二乘原理去处理韩有粗差的数据，会造成严重的后果。 在现代广义平差测量中，常常使用稳健估计来探测和处理粗差，其中最经常用的就是就是M估计，这里p函数我选择Huber函数，来实现。 具体原理： 程序中我使用了我前两篇博客中的矩阵库和间接平差类。 using CM...
简单稳健估计法——原理与 Python 实现
weixin_42141390的博客
06-21 869
文章目录均值估计中位数样本均值稳健标准差MADenIQR 本文主要参考 ISO 13528 C.2 条款。 设样本为 x1,x2,⋯ ,xnx_1, x_2, \cdots, x_nx1​,x2​,⋯,xn​。 均值估计 中位数 将样本 x1,x2,⋯ ,xnx_1, x_2, \cdots, x_nx1​,x2​,⋯,xn​ 按升序进行排序，可得：x{1},x{2},⋯ ,x{n}x_\{1\}, x_\{2\}, \cdots, x_\{n\}x{​1},x{​2},⋯,x{​n}。 则中位数为： me
Matlab最小二乘法：线性最小二乘、加权线性最小二乘、稳健最小二乘、非线性最小二乘与剔除异常值效果比较
大数据部落
05-10 2783
原文链接：http://tecdat.cn/?p=26624 原文出处：拓端数据部落公众号 matlab软件在拟合数据时使用最小二乘法。拟合需要一个参数模型，该模型将因变量数据与具有一个或多个系数的预测数据相关联。拟合过程的结果是模型系数的估计。 为了获得系数估计，最小二乘法最小化残差的平方和。第i个数据点ri的残差定义为观测因变量值yi与拟合因变量值ŷi之间的差值，并标识为与数据相关的误差。 残差的平方和由下式给出 其中n是拟合中包含的数据点的数量， S是误差估.......
m估计及其c++简单实现
xinxiangwangzhi_的博客
02-25 1896
m估计理论与实现
移动最小二乘法在稳健优化中的应用研究
文件名如weight.m、mls2Dshape.m则暗示了它们可能与权重的计算和使用移动最小二乘法拟合二维形状有关。 综上所述，这个资源包提供了实现稳健优化的一系列方法和工具，特别是在处理散乱数据和不确定性参数时，可以...
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值