根据线性回归标准方程法的公式:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/d0dcb7c42fba49a3416967f4899c26f2.png)
当数据特征n>样本个数m的时候,xTx会出现有一些行或者列全是0的情况,这就不是满秩矩阵(没有哪一行或列全是0),所以不可逆。
I这个单位矩阵的行列与xTx是一样的,且单位矩阵I是满秩矩阵,λ一般是一个比较小的数,xTx + λI 的结果就是一个满秩矩阵。所以可逆。
岭回归的公式是通过L2正则化推演出来的,推演过程如下:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/d5112c2606e12ce8c82739f00996af1d.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/9b2cd15b9a08bc457c29a03c5540f3e4.png)
没有加上正则化的代价函数,称之为无偏估计,加上了正则化的代价函数称之为有偏估计,岭回归是一种有偏估计。
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/9e87b2a21ee1e820def3fd134d4abe13.png)
λ的取值,需要满足各回归系数的岭估计基本稳定的情况下,越小越好。