我们以最简单的一元线性模型来解释最小二乘法。什么是一元线性模型呢? 监督学习中,如果预测的变量是离散的,我们称其为分类(如决策树,支持向量机等),如果预测的变量是连续的,我们称其为回归。回归分析中,如果只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。对于二维空间线性是一条直线;对于三维空间线性是一个平面,对于多维空间线性是一个超平面…

对于一元线性回归模型, 假设从总体中获取了n组观察值(X1,Y1),(X2,Y2), …,(Xn,Yn)。对于平面中的这n个点,可以使用无数条曲线来拟合。要求样本回归函数尽可能好地拟合这组值。综合起来看,这条直线处于样本数据的中心位置最合理。 选择最佳拟合曲线的标准可以确定为:使总的拟合误差(即总残差)达到最小。有以下三个标准可以选择:

    (1)用“残差和最小”确定直线位置是一个途径。但很快发现计算“残差和”存在相互抵消的问题。(2)用“残差绝对值和最小”确定直线位置也是一个途径。但绝对值的计算比较麻烦。(3)最小二乘法的原则是以“残差平方和最小”确定直线位置。用最小二乘法除了计算比较方便外,得到的估计量还具有优良特性。这种方法对异常值非常敏感。

最常用的是普通最小二乘法( Ordinary Least Square,OLS):所选择的回归模型应该使所有观察值的残差平方和达到最小。(Q为残差平方和)- 即采用平方损失函数。

样本回归模型:
 
  其中ei为样本(Xi, Yi)的误差
平方损失函数:

则通过Q最小确定这条直线,即确定,以为变量,把它们看作是Q的函数,就变成了一个求极值的问题,可以通过求导数得到。求Q对两个待估参数的偏导数,令偏导数为零:

解得:

普通最小二乘法( Ordinary Least Square,OLS)相关推荐

  1. 普通最小二乘法回归 - OLS (ordinary least square)

    前言 这篇博客用来记录初学 普通最小二乘回归 遇到的相关知识点和解决问题的过程. 开发环境:Pycharm 2018.1.2 版本:Python 2.7.14 :: Anaconda, Inc. 普通 ...

  2. 线性回归模型-最小二乘法Ordinary Least Squares

    1.1 线性回归模型 下面是一系列的回归方法, 目标值是输入变量的线性组合, 定义y^\hat {y}y^​表示要预测的值. y^(w,x)=w0+w1x1+...+wpxp\hat {y}(w, x ...

  3. 《机器学习——数学公式推导合集》1. 线性模型之最小二乘法(least square method)求解线性模型

    1.1 什么是最小二乘法(least square method) 最小二乘法: 基于均方误差最小化来进行模型求解的方法称为 "最小二乘法(least square method)" ...

  4. 偏最小二乘法 Partial Least square

    最小二乘法:http://baike.so.com/doc/723226.html 偏最小二乘法(Partial Least square) http://blog.sciencenet.cn/blo ...

  5. 最小二乘法(Least square method)

    最小二乘法是在线性回归模型最小化均方误差时使用,其实就是对误差函数求导数,然后让其等于0 ,然后解出使得误差最小.本篇文章讲解最小二乘法. 首先声明,此篇的内容是来自"马同学高等数学&quo ...

  6. 最小二乘法:least square (平方和最小方法)

    看马同学的对方法的解释,非常清晰:https://www.zhihu.com/question/37031188

  7. 递推最小二乘法(Recursive least square, RLS)详细推导

    假设有数据(X,Y)(X,Y)(X,Y),其中X∈Rm×dX \in {\mathbb{R}^{m \times d}}X∈Rm×d,Y∈Rm×1Y \in {\mathbb{R}^{m \times ...

  8. 线性回归(一元、多元)

    目录 一元线性回归 多元线性回归 一元线性回归 在一元线性回归中,输入只有一个特征.现有输入特征为 x,需要预测的目标特征为y ,一元线性回归模型为 y=w1x+w0y=w_1x+w_0y=w1​x+ ...

  9. 写文章 数据嗨客 | 第2期:线性回归 数据嗨客 | 第2期:线性回归 泊数 泊数 1 年前 普林大数据学院——“机器学习”系列 普林大数据学院依托北京大数据研究院和北京大学,为有需求的企业

    数据嗨客 | 第2期:线性回归 泊数 1 年前 普林大数据学院--"机器学习"系列 普林大数据学院依托北京大数据研究院和北京大学,为有需求的企业和用户提供线上线下结合大数据培训服务 ...

最新文章

  1. CCS5.5里DSP工程建及Simulator模式配置
  2. android log丢失(三)动态切换logd机制和kernel机制
  3. JAVA中的字符串操作
  4. laravel $request 多维数组取值_大白话 Laravel 中间件
  5. Bootstrap圣诞节主题商城网站模板
  6. Qt Creator快捷键大全
  7. 树莓派与node.js —— onoff、dht
  8. 计算机网络之万维网WWW
  9. 阿里云服务器CPU100%问题
  10. vs2005下载,中文版,官方
  11. hbase二级索引解决方案
  12. 苹果电脑mac或苹果手机如何下载b站视频到电脑或手机本地?
  13. 论坛介绍 | COSCon'22 开源操作系统(O)
  14. 从零构建神经网络-实现异或门操作
  15. centos浏览器可以上外网但是ping不通
  16. 超级隐蔽的小说阅读器
  17. 什么是图像直方图直方图均衡的原理和作用图像信噪比的概念
  18. JSP的标签有哪些如何使用jsp标签
  19. Oracle中TO_DATE用法
  20. 色彩的全方位运用-张聪-专题视频课程

热门文章

  1. js 实现一个简单的存钱/取钱/查询/退出等操作的ATM功能.
  2. [论文阅读笔记]Aladdin: Optimized Maximum Flow Management for Shared Production Clusters
  3. 【STM32】SPI的基本原理、库函数(SPI一般步骤)
  4. top与free命令详解
  5. DFC own Administrator permission
  6. 前端渲染框架NUXT + UI组件 vertify
  7. oracle 日期类型是什么,oracle date日期类型 精析
  8. 线性代数——向量、向量加法、向量数乘
  9. 【微前端】591- 微前端在小米 CRM 系统的实践
  10. 魔力宝贝html5模板,魔力宝贝辅助脚本最新版