线性最小二乘估计，求偏导过程的符号化简

最新推荐文章于 2024-09-11 12:11:23 发布

qwer12344512

最新推荐文章于 2024-09-11 12:11:23 发布

阅读量373

点赞数 10

文章标签：人工智能算法机器学习

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/qwer12344512/article/details/141979150

版权

先放图，对于线性最小二乘估计求导，其对转置的参数求偏导为什么会有两倍？

即为什么

$P^{T}A^{T}B+B^{T}A^{T}P=2P^{T}A^{T}B$

为什么

$\frac{d\left ( {{P^T}{A^T}AP} \right )}{d\left ( P \right )}=2{A^T}AP$

对于第一个公式，由于维度的原因，P：N*1，A：M*N，B：N*1；于是对于 $P^{T}A^{T}B$ 和 $B^{T}A^{T}P$ 都是1*1的标量，并且二者互为转置，注意不是共轭转置，所以他们相等。

对于第二个公式涉及到矩阵微分的知识：

参考链接：c最小二乘公式推导（步骤详细，一看就会） - 知乎 (zhihu.com)

参考链接：【Practical】矩阵求导公式_xtax求导-CSDN博客

关注

10
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
线性最小二乘估计，求偏导过程的符号化简

对于第一个公式，由于维度的原因，P：N*1，A：M*N，B：N*1；先放图，对于线性最小二乘估计求导，其对转置的参数求偏导为什么会有两倍？都是1*1的标量，并且二者互为转置，注意不是共轭转置，所以他们相等。
复制链接

扫一扫

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。