普通最小二乘法讲解OLS线性回归

本文介绍了普通最小二乘法(OLS)在线性回归中的应用,通过实例展示了如何将原始数据转化为矩阵形式,并计算平方误差。内容包括数据预处理、矩阵转换及误差分析,是理解线性回归模型的重要概念。
摘要由CSDN通过智能技术生成

文章来源:http://pocore.com/blog/article_529.html

系列阅读

原始数据  1 x  y  最终拟合为y=a*x+1*b
1.000000 0.067732 3.176513
...


xArr: [[1.0, 0.067732], [1.0, 0.42781], ...]

yArr: [3.176513, 3.816464, 4.550095,...]

矩阵转换
xMat:n*2
[[1.       0.067732]
 [1.       0.42781 ]
 ....]


yMat:n*1
[[3.176513]
 [3.816464]
 ...]


平方误差

普通最小二乘法讲解OLS



系数求法公式:
Cinque Terre

矩阵的逆可能并不存在,因此必须要在代码中对此作出判断


xMat.T是xMat的转置  2*n

矩阵行列式 xTx=xMat.T*xMat  2*n *  n*2 =2*2

xTx:
 [[200.          97.6638    ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值