最小二乘和加权最小二乘的原理与实现

本文介绍了最小二乘和加权最小二乘的原理,用于直线拟合问题。最小二乘关注全局最优,而加权最小二乘在处理L1和L2准则时,L2有解析解,L1则采用迭代方法逼近解,常以L2解作为初始值进行迭代更新。
摘要由CSDN通过智能技术生成

    已知有一组数据,在坐标系中表示成一组点集N。现在的目标是估计出一条经过点集N的直线,
要求直线满足一定的准则。不同的准则最后定义不同的优化方法,这里我们通过定义两种不
同的准则,来引出最小二乘和加权最小二乘的介绍。
    首先回到直线拟合的这个问题中来。一般假设点集N中的点是通过对直线进行采样获得,通常
采样的过程中会有误差的干扰。所以我们直观要求直线经过所有点集N的中心地带,不偏重任
何采样点,求一个全局上的最优。这个的直观要求可以通过数学方法来表示。

  • 第一种准则:


点集N中的所有采样点所拟合的直线y=kx+b的系数可从上面的目标函数中获得。
通过分别对变量k和变量b进行求导后,得到:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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