線性代數 - 矩陣形式下的最小二乘法
20201001 -
0. 引言
最近在看《異常點檢測》的時候,其中在PCA部分(準確來說是前面一小節)在進行推導的時候,使用了最小二乘法。其實這個東西本質上並不難,但是讓我比較尷尬的是,很多線性代數的東西有些遺忘了,好在最近直截了當的複習讓大部分知識都回顧了。
1. 問題
關於具體的推導過程就不說了,各種公式都有,直接的結論也都有。但是這裡之前的時候,產生了一個問題。本來最小二乘法是利用垂直距離來定義的(也就是預測變數與相應的平面與座標中平行的距離),但是有些書上都提到了投影距離。然後他們也用了最下二乘法來分析。這讓我很疑惑,特別是直接在百度上搜尋中的一些結果,最後都出現了一個投影距離的概念。
我的疑惑就是,本來這是一個垂直的直線距離,為什麼後來變成了投影距離呢?如果他們兩個僅僅是在結果上一樣,也無可厚非,但是怕就怕在他們在講解的時候就直接將這部分內容融合在了一起。
這他麼就非常尷尬。
(因為當時自己沒有注意這部分的內容,導致當時沒有進行記錄,現在連問題都有點沒弄懂了。尷尬)
不著家,我這裡先趕緊複習一遍。
相關文章
- 線性代數--矩陣矩陣
- 【線性變換/矩陣及乘法】- 圖解線性代數 03矩陣圖解
- 【矩陣的乘積/複合變換】- 圖解線性代數 05矩陣圖解
- 高等代數1 矩陣矩陣
- 線性代數學習筆記五:相似矩陣及二次型筆記矩陣
- 【矩陣基礎與維度分析】【公式細節推導】矩陣非線性最小二乘法泰勒展開矩陣公式
- 跟我一起學《深度學習》 第二章 線性代數(2.3 單位矩陣和逆矩陣)深度學習矩陣
- 矩陣加速線性遞推矩陣
- NumPy之:多維陣列中的線性代數陣列
- 線性代數
- 線性代數中的線性方程組方法
- 線性代數學習
- 線性代數基礎
- 【scipy 基礎】--線性代數
- 04 矩陣乘法與線性變換複合矩陣
- 數學基礎之線性代數
- MATLAB版線性代數-線性方程組1Matlab
- 程式設計與線性代數程式設計
- 線性代數--二次型
- 《線性代數的本質》筆記10筆記
- 《線性代數的本質》筆記(09)筆記
- 如何入門線性代數?這裡有一份Python線性代數講義Python
- 3.5、矩陣變數矩陣變數
- 【基底 / 線性組合 / 線性無關(相關)】- 圖解線性代數 02圖解
- 線性迴歸:最小二乘法實現
- 線性代數常用基本知識整理
- 巨大的矩陣(矩陣加速)矩陣
- “花書”的佐餐,你的線性代數筆記筆記
- numpy矩陣的基本方法和屬性矩陣
- 巨大的數(dp+矩陣加速)矩陣
- 1,2,3…n*n 的數字按照順時針螺旋的形式列印成矩陣(遞迴)矩陣遞迴
- 《線性代數的本質》筆記(01-03)筆記
- 【行列式】- 圖解線性代數 04圖解
- 資料結構:陣列,稀疏矩陣,矩陣的壓縮。應用:矩陣的轉置,矩陣相乘資料結構陣列矩陣
- [譯] JavaScript 線性代數:使用 ThreeJS 製作線性變換動畫JavaScriptJS動畫
- 矩陣類及其常規運算(加、減、乘、轉置、求逆、行列式、代數餘子式、伴隨矩陣)矩陣
- 3D圖形:矩陣的行列式,矩陣的逆、正交矩陣、齊次矩陣3D矩陣
- 旋轉矩陣(Rotate Matrix)的性質分析矩陣