Kapalı form çözümünün hesaplanması son derece pahalı olmadıkça, genellikle uygun olduğunda devam etmenin yoludur. Ancak,
Doğrusal olmayan regresyon problemlerinin çoğu için kapalı form çözümü yoktur.
Doğrusal regresyonda bile (kapalı bir form çözümünün bulunduğu birkaç durumdan biri), formülü kullanmak pratik olmayabilir. Aşağıdaki örnekte, bunun olabileceği bir yol gösterilmektedir.
şeklindeki bir modeldeki doğrusal regresyon için , tam sütun sırasına sahip bir matristir, en küçük kareler çözümü,y=XβX
β^=argmin∥Xβ−y∥2
tarafından verilir
β^=(XTX)−1XTy
Şimdi, çok büyük ama seyrek bir matris olduğunu hayal edin . Örneğin, 100.000 sütun ve 1.000.000 satır içerebilir, ancak girişlerin yalnızca% 0.001'i sıfır değildir. Böyle seyrek matrislerin sadece sıfır olmayan girişlerini depolamak için özel veri yapıları vardır. XXX
Ayrıca, şanssız olduğumuzu ve sıfırdan daha yüksek yüzdesi olmayan girişlerin olduğu oldukça yoğun bir matris olduğunu hayal edin . Yoğun 100.000 x 100.000 element matrisinin saklanması, daha sonra kayan nokta sayısı gerektirir (sayı başına 8 bayt, bu 80 gigabayt olur.) Bu, herhangi bir şey üzerinde saklamak için pratik olmaz. ama bir süper bilgisayar. Ayrıca, bu matrisin tersi (veya daha genel olarak bir Cholesky faktörü) çoğunlukla sıfır olmayan girdilere sahip olma eğilimindedir. XTXXTX1×1010
Bununla birlikte, , ve dan daha fazla depolama gerektirmeyen en küçük kareler problemini çözmek için yinelemeli yöntemler vardır ve kesinlikle açıkça matris ürünü . Xyβ^XTX
Bu durumda, yinelemeli bir yöntem kullanmak, kapalı form çözümünü en küçük kareler problemine kullanmaktan çok daha fazla hesaplama açısından verimlidir.
Bu örnek saçma sapan büyük görünebilir. Ancak, bu büyüklükteki en küçük kareler problemleri, sismik tomografi araştırmalarında masaüstü bilgisayarlarda yinelemeli yöntemlerle rutin olarak çözülmektedir.