本文介绍了最小二乘法在曲线拟合中的应用，特别是在机器学习中解决多项式模型的学习问题。通过建立Vandermonde矩阵，确定n-1阶多项式的系数，并解释了当矩阵秩不足时，如何利用最小二乘解找到唯一解或最佳近似解。
矩阵基础-最小二乘法
最小二乘曲线拟合（模型学习）问题：找到一个多项式：
p ( t ) = α 0 + α 1 t + α 2 t + . . . + α n − 1 t n − 1 p(t) = \alpha_0+ \alpha_1t +\alpha_2t+...+\alpha_{n-1}t^{n-1} p(t)=α0+α1t+α2t+...+αn−1tn−1
去尽量穿过以下数据集：
D = { ( t 1 , b 1 ) , ( t 2 , b 2 ) , ( t 3 , b 3 ) , . . . , ( t m , b m ) } D=\{(t_1,b_1),(t_2,b_2),(t_3,b_3),...,(t_m,b_m)\} D={
(t1,b1),(t2,b2),(t3,b3),...,(tm,b
最低0.47元/天 解锁文章
扫一扫
5968
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
