采用求导的方法
偶尔看到斯坦福吴恩达教授的机器学习第二节课,才明白了最小二乘的的推理过程,下面的推理看不懂的话,推荐去看一下老师的上课视频。
以下是一些预备知识:
在本文中 ∇ \nabla ∇ 表示的是求导运算,设A是一个 n × \times × n的矩阵,f表示一种函数关系,则 ∇ \nabla ∇A f(A) =
KaTeX parse error: Can't use function '$' in math mode at position 18: …begin{pmatrix} $̲\partial$ f/ $\…
A、B、C均为矩阵:
tr(ABC) = tr(CAB) = tr(BCA)
∇ \nabla ∇A tr(AB) = B^T
trA = tr(A^T)
∇ \nabla ∇A tr(ABA^T C) = CAB + C^T A B^T
a表示一个实数,tra = a
超定方程组表示为:AX = b
误差为:AX-b
误差最小二乘为:KaTeX parse error: Expected 'EOF', got '\frae' at position 2: (\̲f̲r̲a̲e̲12)(AX-b)^T × \times ×(AX-b)
令误差最小二乘为0,则KaTeX parse error: Expected 'EOF', got '\frae' at position 2: (\̲f̲r̲a̲e̲12)(AX-b