漫话最小二乘法-1.矩阵表示

本文介绍了最小二乘法在解决线性回归问题中的应用,通过矩阵和向量表示来阐述如何找到最佳拟合直线,以最小化实际点与拟合直线之间的均方误差。通过对样本点的矩阵表示,转换为超定矩阵方程,从而求得最小误差解。
摘要由CSDN通过智能技术生成

无论是科研开始工程中,最小二乘法可谓无处不在。这里我想抛砖引玉,谈谈我对最小二乘的了解,也顺便理一理自己的思路,所谓:温故而知新嘛。这里将从矩阵和向量空间着手,先用矩阵和向量的方式表示最小二乘问题,以便后面说明其原理。
最小二乘最早是由勒让德高斯各自提出的。高斯成功的用最小二乘法解决了谷神星轨道计算的问题。
最小二乘法回归
先从最基本的线性回归说起最小二乘的用法。如图所示,蓝色圆圈描绘了一组点,可以大致看出这样一组点大致在一条直线附近分布。因为噪声原因,点都或多或少的偏离了原有的位置。怎样根据现有的这些点,消除噪声的影响,获得一条直线呢,而且是具备以下特征的直线:

  1. 如果没有噪声影响,蓝色的圆圈都应该落在这条直线上;
  2. 如果给定新的 x 坐标点带入到直线方程 y=ax+c 所获得的 y 应该与实际获得的 y 误差最小。

    a1 代替 x ,让 a2 代替 y ,上述直线方程也可以写为:
    a1x1+a2x2=1
    其中 x1

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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