本讲的主要内容有:
- 投影的概念
- 为什么要进行投影操作
- 最小二乘法的介绍
投影(Projection)
首先再二维平面中直观的看一下投影的概念:
如图,两个不同向的向量 a a a, b b b,其中 b b b 落在 a a a 的方向上的向量 p p p 就是 b b b 在 a a a 上的投影,其实就是构成一个直角,这跟我们生活中的理解是一样的,从图中,我们有以下的定义和结论:
- 向量 p p p ,它是向量 a a a 的一部分,我们用式子 p = x a p=xa p=xa 表示
- 向量 e e e,可以用 b − p b-p b−p 表示,即: e = b − p e=b-p e=b−p
- e e e 与 p p p 正交,根据上一讲的内容,可以得出:
a T e = 0 a^{T}e=0 aTe=0
根据上面 e e e 的解释,可以有如下过程:
a T e = 0 ⇔ a T ( b − x a ) = 0 a^{T}e=0\Leftrightarrow a^{T}(b-xa)=0 aTe=0⇔aT(b−xa)=0
继续拆分,最终可以得到关于常数 x x x 的表达式:
x = a T b a T a x=\frac{a^{T}b}{a^{T}a} x=aTaaTb
又因为 p = x a p=xa p=xa,代入,得:
p = a a T b a t a p=a\frac{a^{T}b}{a^{t}a} p=aataaTb
如果我们将上面的式子继续写成某个矩阵乘 b b b 的形式,可以得到:
p = P ⋅ b