最小二乘法深入探讨
来源:互联网 发布:网站自然排名优化 编辑:程序博客网 时间:2024/06/09 17:12
同步在在www.makecradle.com
在机器学习当中经常涉及到对能量方程,或者是目标函数进行优化的过程。可以用公式表示为:
因为所有的优化问题都可以分为有约束的和无约束的,在无约束的优化问题中上面的公式有
.同样的优化问题都可以转化为求最小值问题,求max的问题取其相反数即可。
最小二乘问题优化一般是通过模型的函数
其中最小二乘的意思就是对误差进行取平方所以最小二乘法的数学模型就是:
最小二乘法就是通过计算得到
当我们采用的是线性模型的时候,有:
这个是通过把函数转化为向量乘积的形式便于计算,公式中基函数
1.幂函数
幂函数拟合的光滑性比较好,局部效果较好
2.正弦(余弦)函数
光滑性较差,但是全局性较好(特别是针对特殊问题)
那么上面提到的优化问题就转化为
那么问题就转化为矩阵的问题(注意上文中
其中
在公式:
我们可以对该式子进行微分可以得到:
令:
即
其中
问题转化为矩阵求伪逆的问题,但是由于矩阵中m很大,所以矩阵求伪逆问题也是一个大问题。
一般有以下几种:
1. 直接求伪逆(适合m不是很大的情况下)
2. 采用svd的方法求解
2.1
2.2
3.采用QR分解
3.1
3.2
4.
1 0
- 最小二乘法深入探讨
- 最小二乘法深入
- ActionServlet深入探讨
- ActionServlet深入探讨--3
- ActionServlet深入探讨--2
- ActionServlet深入探讨--1
- 深入探讨Iterator模式
- 深入探讨Iterator模式
- 深入探讨Iterator模式
- 深入探讨Iterator模式
- 深入探讨this指针
- 深入探讨Iterator模式
- 内存分配深入探讨
- 深入探讨Iterator模式
- 深入探讨Iterator模式
- 深入探讨Forms验证
- 深入探讨Forms验证
- 深入探讨this指针
- 实验:验证哥德巴赫猜想
- Masonry Label的宽度自适应
- 使用curl post json到webApi
- HTML+CSS基础 p first-line设置所有,段落第一行的背景颜色
- java缓存技术
- 最小二乘法深入探讨
- WebSocket 理解
- Android内存优化
- linux上FTP配置(精简版)
- 在ubuntu 14.04 64bit安装mongoDB并测试
- HSSFWorkBooK用法
- 设计模式之单例模式
- HTML+CSS基础 p font-style设置指定id,字体斜体
- iOS10适配之推送的坑