最小二乘法
如何求解多元线性回归残差平方和RSS最小化的参数向量?这种通过最小化真实值和预测值之间的RSS来求解参数的方法叫做最小二乘法。
求解极值的第一步往往是求解一阶导数并让一阶导数等于0,最小二乘法也不能免俗。因此,首先在残差平方和RSS上对参数向量求导。这里的过程涉及少数矩阵求导的内容,需要查表来确定,感兴趣可以去维基百科去查看矩阵求导的详细公式的表格:
https://en.wikipedia.org/wiki/Matrix_calculus
接下来,对 ω \boldsymbol{\omega} ω求导:
∂ R S S ∂ ω = ∂ ∣ ∣ y − X ω ∣ ∣ 2 2 ∂ ω = ∂ ( y − X ω ) T ( y − X ω ) ∂ ω \large\boldsymbol{\frac{\partial{RSS}}{\partial{\omega}}=\frac{\partial{||y-X\omega||_2\,^2}}{\partial{\omega}}=\frac{\partial{(y-X\omega)^T(y-X\omega)}}{\partial{\omega}}} ∂ω∂RSS=∂ω∂∣∣y−Xω∣∣22=∂ω∂(y−Xω)T(y−Xω)
∵ ( A − B ) T = A T − B T 并 且 ( A B ) T = B T ∗ A T ∴ = ∂ ( y T − ω T X T ) ( y − X ω ) ∂ ω = ∂ (