1.6.多元线性回归方程估计
1.6.1.多元线性回归方程
现在有N个样本,每个都是n维的。
1.6.2.多元线性回归方程的求解
然后对a求偏导
利用矩阵的求导公式:
由以上求导公式得:
令(6)=0得:
情况1,N>n,样本数>维度(参数个数)
根据上节课SVD分解证明的先导推论里面有:
到这里就把a解出来了,也把a的右边的表达式称为X的伪逆矩阵。
情况2,N<n,样本数<维度(参数个数)
这个情况参数比样本数要多,也就是出现了过拟合的现象。为了解决这个现象,我们通常是要采用正则化来解决,也就是:
求导的结果也就变成:
令公式(8)等于0,并化简:
所以公式(9)整体恒大于0,所以公式(9)是正定的,其对应的特征值,且一定可逆。
为什么叫岭回归呢?因为这个东西的形式就是在对角线上加了一项λ,就好像中间对角线好比一道山岭,通过加上λ使其更加的高耸。