投影矩阵和最小二乘

Posted sybear

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了投影矩阵和最小二乘相关的知识,希望对你有一定的参考价值。

一个最小二乘法的例子:

 

三个点分别是 $(1,1), (2,2),(3,2)$. 对这三个点进行回归分析,假设以下的方程:

$$ y = C + D t$$

那么有矩阵运算:

$$\begin{bmatrix} 1& 1 \\ 1 & 2 \\1 & 3 \end{bmatrix}\begin{bmatrix} C\\D \end{bmatrix} = \begin{bmatrix} 1 \\ 2 \\2 \end{bmatrix}$$

显然这个方程是不可解的。最小二乘法求解最优值的方案在于

$$\Vert Ax-b \Vert ^2 = \Vert e \Vert ^2 = e^2_1+e^2_2+e^2_3$$


At last, if we have the matrix $A$ which has independent columns, then $A^TA$ is invertible. Or we can say, suppose $A^TAx = 0$, $x$ must be $0$.

Proof:  $$x^TA^TAx = 0  \to (Ax)^TAx = 0$$

then we have $Ax=0$. Considering that $A$ has independent columns, $x$ must be $0$.

 

以上是关于投影矩阵和最小二乘的主要内容,如果未能解决你的问题,请参考以下文章

MIT线性代数:16.投影矩阵和最小二乘

常用算法知识:最小二乘的几何意义及投影矩阵

现代信号处理 13 - 深入探讨最小二乘

偏最小二乘(PLS)原理分析&Python实现

梯度下降和最小二乘总结

使用 Numpy 对矩阵进行最小二乘回归