基础数学1:最小二乘法的理解

基础数学1:最小二乘法的理解

(1)最小二乘法的含义:

         ①最小二乘法含义:

             最小二乘法通过最小化误差的平方和寻找数据的最佳匹配函数,因此最小二乘法也称为最小平方法。

             最小二乘法用来求得目标函数的最优值,也可用于进行曲线拟合解决回归问题。

         ②最佳拟合曲线的标准:

             1.标准1:最小残差和(弊端:存在正负互相抵消问题);

             2.标准2:残差绝对值和最小(弊端:计算麻烦);

             3.标准3:残差平方和最小(最小二乘法中应用的标准)。

 

(2)最小二乘法的推导:

         样本回归模型:Yi=\hat{\beta _{0}}+\hat{\beta _{1}}{x{i}}+e{i}

         其中误差为:e{_{i}}=Y{_{i}}-(\hat{\beta _{0}}+\hat{\beta _{1}}x_{i})=Y{_{i}}-\hat{\beta _{0}}-\hat{\beta _{1}}x_{i}

         平方和损失函数为:Q=\sum e{_{i}}^{^{2}}=\sum(Y_{i}-\hat{\beta _{0}}-\hat{\beta _{1}}x_{i})

         \hat{\beta _{0}}\hat{\beta _{1}}看作Q的函数,求函数极值的过程如下所示:

                       \frac{\partial Q}{\partial\hat{\beta _{0}} }=2\sum(Y_{i}-\hat{\beta _{0}}-\hat{\beta _{1}}x_{i})(-1)=0

                      \frac{\partial Q}{\partial\hat{\beta _{1}} }=2\sum(Y_{i}-\hat{\beta _{0}}-\hat{\beta _{1}}x_{i})(-x_{i})=0

          ⑤求解方程组得:

                     \hat{\beta _{0}}=\frac{n\sum x_{i}y_{i}-\sum x_{i}\sum y_{i}}{n\sum x_{i^{2}}-(\sum x_{i})^{2}}

                    \hat{\beta _{1}}=\frac{\sum x_{i}^{^{2 }}\sum y_{i}-\sum x_{i}\sum x_{i}y_{i}}{n\sum x_{i^{2}}-(\sum x_{i})^{2}}

(3)最大似然估计和最小二乘法:

          最大似然估计是一种给定观察数据来评估模型参数的方式,也就是“模型已定,参数未知”,通过若干次实验,利用实验结果的到某个参数值能使样本出现的概率最大。

          最小二乘法是一种数学优化技术,通过最小化误差的平方和寻找数据的最佳函数匹配,最小二乘法可以简便求得未知数据,并使这些求得的数据与实际数据误差平方和为最小。

          最小二乘法的核心是权衡,在很多条线中选择,选出距离最短的那条;而最大似然估计是相信自己观察到的就是事物的真相,最能体现事物的本质,并以此为基础进行运算。(这句话摘抄自知乎,非常赞同)

 

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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