Linear Regresyonda kapalı formda arkasında sezgi


10

Doğrusal regresyondaki kapalı w formu şöyle yazılabilir:

w^=(XTX)1XTy

Bu denklemdeki ' nin rolünü sezgisel olarak nasıl açıklayabiliriz ?(XTX)1


2
Ne demek istediğinizi "sezgisel" olarak açıklayabilir misiniz? Örneğin, Christensen'in Karmaşık Sorulara Düzlem Cevaplarında sunulan iç çarpım uzayları açısından harika sezgisel bir açıklama var , ancak herkes bu yaklaşımı takdir etmeyecek. Başka bir örnek olarak, cevabımda stats.stackexchange.com/a/62147/919 adresinde geometrik bir açıklama var , ancak herkes geometrik ilişkileri "sezgisel" olarak görmüyor.
whuber

Sezgisel olarak $ (X ^ TX) ^ {- 1} ne anlama geliyor? Bir tür mesafe hesaplaması mı yoksa bir şey mi, anlamıyorum.
Darshak

1
Bağlantı verdiğim cevapta bu tamamen açıklandı.
whuber

Bu soru, muhtemelen tatmin edici bir cevapla olmasa da burada zaten var. Math.stackexchange.com/questions/2624986/…
Sextus Empiricus

Yanıtlar:


5

Bu yayınları özellikle yararlı buldum:

Çoklu doğrusal regresyon için en küçük kare tahmincisi nasıl elde edilir?

SVD ve PCA arasındaki ilişki. PCA gerçekleştirmek için SVD nasıl kullanılır?

http://www.math.miami.edu/~armstrong/210sp13/HW7notes.pdf

Eğer bir bir sonra matris matris bir tanımlayan çıkıntı sütun alan üzerine . Sezgisel, sen denklem bir üstbelirlenmiş sistemi var, ama yine de lineer bir harita tanımlamak için kullanmak istiyorum satırları eşler arasında değerlerine şey sona , . Bu nedenle, en yakın olana göndermek için, özelliklerinizin doğrusal bir kombinasyonu ( sütunları ) olarak ifade edilebilir . n × p X ( X T X ) - 1 X T X R pR x i X y i i { 1 , , n } X y XXn×pX(XTX)1XTXRpRxiXyii{1,,n}XyX

yorumuna gelince , henüz şaşırtıcı bir cevabım yok. i temelde veri kümesinin kovaryans matrisi olarak düşünebileceğinizi biliyorum . ( X T X )(XTX)1(XTX)


(XTX) bazen "saçılma matrisi" olarak adlandırılır ve kovaryans matrisinin ölçeklendirilmiş bir sürümüdür
JacKeown

4

Geometrik bakış açısı

Geometrik bir bakış açısı, n boyutlu vektörler ve n boyutlu uzay . Burada alt-alanında da vektörler tarafından kapsanan .X β V X- β W x 1 , x 2 , , x m,yXβVXβ^Wx1,x2,,xm

projeksiyon

İki tür koordinat

Bu alt uzay iki farklı tipte koordinat hayal edebiliriz :W

  • β bir koordinat normal alan için koordinatları gibi. Vektör alanı içinde vektörlerinin lineer birleşimi olanzWxi
    z=β1x1+β2x1+....βmxm
  • α normal anlamda koordinatları değildir, ancak alt-alanında bir noktayı tanımlar yapmak . Her vektörleri üzerindeki dikey çıkıntılarla ilgilidir . Biz birim vektörleri kullanmak durumunda sonra (basitlik açısından) "koordinatları" bir vektör için şu şekilde ifade edilebilir:Wαixixiαiz

    αi=xiTz

    ve tüm koordinatların kümesi:

α=XTz

ve koordinatları arasında eşlemeαβ

için "koordinat" ifadesi koordinatın bir dönüşüm haline "koordinatları" içinz=Xβαβα

α=XTXβ

Sen görebiliyordu ne kadar her ifade olarak diğer üzerine projeler(XTX)ijxixj

Daha sonra in geometrik yorumu, vektör projeksiyon "koordinatları" dan lineer koordinatlara olarak görülebilir. .(XTX)1αβ

β=(XTX)1α

İfade izdüşümü "koordinatları" veren ve dönüştürür .XTyy(XTX)1β


Not : projeksiyon "koordinatları", projeksiyon "koordinatları" ile aynıdır , çünkü .y y^(yy^)X


İstatistikler.stackexchange.com/a/124892/3277 ile ilgili çok benzer bir hesap .
ttnphns

Gerçekten çok benzer. Bana göre bu görüş çok yeni ve düşünmek için bir gece ayırmak zorunda kaldım. Her zaman bir projeksiyon açısından en küçük kareler regresyonunu izledim, ancak bu bakış açısıyla , parça için sezgisel bir anlam gerçekleştirmeye çalışmadım veya her zaman daha dolaylı ifade de gördüm . (XTX)1XTy=XTXβ
Sextus Empiricus

3

Basit doğrusal regresyona aşina olduğunuzu varsayarsak: ve çözümü :

yi=α+βxi+εi
β=cov[xi,yi]var[xi]

yukarıdaki nasıl karşılık geldiğini ve nasıl görmek kolaydır . Matrislerle uğraştığımız için düzen önemlidir. , KxK matrisidir ve , Kx1 vektörüdür. Dolayısıyla, sıra:XyXXXXXy(XX)1Xy


Ancak bu benzetmenin kendisi, tersi ile öncesi veya sonrası olduğunu size söylemez.
kjetil b halvorsen

@kjetilbhalvorsen, operasyon sırasını koydum
Aksakal
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.