数学模型——线性回归

最新推荐文章于 2024-08-23 23:33:11 发布

一心啊~~

最新推荐文章于 2024-08-23 23:33:11 发布

阅读量154

点赞数 1

分类专栏：数学基础文章标签：概率论

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/m0_61122693/article/details/119939037

版权

数学基础专栏收录该内容

3 篇文章 0 订阅

订阅专栏

基本概念

回归分析——确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

最小二乘法——通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。可用于曲线拟合，其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。欲用 $f(x)$ 进行函数拟合，使 $y_i$ 与 $f _{ (x_i) }$ ， $(i=1,2,\cdots ,n)$ 距离 $\delta _i$ 的平方和最小，得到的函数即可认为数据的最佳匹配函数。

线性回归——利用最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析，因变量和自变量之间是线性关系，其形式为：

$Y=X\beta +\varepsilon$

$Y$ ——因变量所组成的向量；

$\beta$ ——参数所组成的向量；

$X$ ——自变量所组成的矩阵;

$\varepsilon$ ——残差向量，服从均值为0的正态分布，即

$\varepsilon \sim N\left ( 0 , \sigma ^{2} \right )$

根据最小二乘法，可求得参数向量

$\hat{\beta }=\left ( { X^TX}^{-1} \right )X^{T}Y$

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
数学模型——线性回归

基本概念回归分析——确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。最小二乘法——通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。可用于曲线拟合，其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。欲用进行函数拟合，使与，距离的平方和最小，得到的函数即可认为数据的最佳匹配函数。线性回归——利用最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析，因变量
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。