MIT18.06课程笔记16:最小二乘法,线性回归
来源:互联网 发布:淘宝潮男秋装 编辑:程序博客网 时间:2024/06/05 17:46
课程简介
18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。
自己思考的部分使用斜体表示。
课程笔记
关于投射矩阵的内容请参考MIT18.06课程笔记15:Projection Matrix投射矩阵。此部分是投射矩阵的具体应用。
1. 线性回归问题简介
简单叙述:给定一系列的数据点(例如{
具体到一维情况就是最小二乘法:
数据集是{
线性函数为
求
2. 换个角度看问题
最后需要最小化的目标函数其实是误差的平方和,此目标等效于最小化误差的距离(平方和开方)。
具体地设
则目标函数为
进一步,如果设
则有
目标则为
上诉公式都是非常直观的,就不多做介绍。
经过上诉转换之后,就可以把投射矩阵应用进来了。具体的,最小化
使用投射矩阵中的公式
3. ATA 的可逆性
我自己的思考:
1. 对于任意矩阵
2.
3.1. 命题
3.2. 反证法
两边同时乘以
进而
从几何的角度也知假设不成立,
4. 线性代数求导的角度
对于2中转换为矩阵相乘的问题表述形式,可以通过对其求导求解。两个方法角度不同,结果相同。
具体地,目标是
- MIT18.06课程笔记16:最小二乘法,线性回归
- 线性回归--最小二乘法笔记
- MIT18.06线性代数课程笔记9:线性无关、向量拓展空间、空间的基、空间维度
- 线性回归-3-最小二乘法
- 线性回归 -- 最小二乘法
- 线性回归之最小二乘法
- 线性回归,最小二乘法
- 线性回归:最小二乘法
- 线性回归----最小二乘法
- 线性回归 最小二乘法 方差
- MIT18.06课程笔记15:Projection Matrix投射矩阵
- MIT18.06线性代数课程笔记15:子空间投影矩阵
- MIT18.06线性代数课程笔记17:正交标准矩阵
- MIT18.06线性代数课程笔记18:矩阵行列式的性质
- 机器学习笔记二:线性回归与最小二乘法
- Machine Learning课程笔记2 线性回归
- 线性回归系列(1)-最小二乘法
- 机器学习--线性回归 最小二乘法
- Oracle 11g ORA-12560错误
- 多食大蒜洋葱防感冒
- HDU 1698Just a Hook(线段树 + Lazy Tag(延迟更新))
- 数据压缩 DPCM编码
- 配置MyEclipse中Dynamic Web Module 3.0版本时报错
- MIT18.06课程笔记16:最小二乘法,线性回归
- 【基于SSH框架的个人博客系统06】头像文件上传与前后端分页机制
- CSS常用小技巧
- 指针与二维数组的关系
- maven环境配置
- IO与流的处理
- WEB前端开发笔记之ajax的跨域访问(搜索引擎篇)
- 设计模式之代理模式
- 面向对象与C++程序设计-运算符重载学习笔记