Değişkenlerin bir vektörü bir hiper düzlemi nasıl temsil edebilir?


12

İstatistiksel Öğrenmenin Unsurlarını okuyorum ve sayfa 12'de (bölüm 2.3) doğrusal bir model şöyle belirtiliyor:

Y^=XTβ^

... ki burada , öngörücülerin / bağımsız değişkenlerin / girişlerin bir sütun vektörünün devrik olmasıdır. (O kadar değil bu marka ediyorum "bütün vektörler sütun vektörleri olduğu varsayılır" önceki devletler X , T bir satır vektörü ve p bir sütun vektörü?)XTXTβ^

, (sabit) kesişme veren karşılık gelen katsayı ile çarpılacak bir " 1 " dahildir .X1

Söylemeye devam ediyor:

Olarak boyutlu giriş-çıkış alanı, ( X , Y ) bir düzlem temsil eder. Sabit X'e dahil edilirse, hiper düzlem başlangıç ​​noktasını içerir ve bir altuzaydır; değilse, Y- eksenini ( 0 , ^ β 0 ) noktasında kesen bir afin setidir .(p+1)(X, Y^)XY(0, β0^)

Mu " ", kesişme en "öngördürücülerin birleştirme ile oluşturulan bir vektör açıklar 1 " ve Y ? Ve neden dahil olmayan bir " 1 " in X mutlaka "o, başlangıç noktasından geçmeye altdüzlem zorlamak 1 ile çarpılır edilecek" dır ^ β 0 ?(X, Y^)1Y^1X1β0^

Kitabı anlayamıyorum; herhangi bir yardım / tavsiye / kaynak bağlantıları çok takdir edilecektir.


4
İlk önce düşünmek yardımcı olabilir . Bu durumda, Y = β 0 + x β ile p 0 kesişme. Bu geçen bir çizgi denklemi ( 0 , β 0 ) . Daha yüksek boyutlara genişletmeler hemen gerçekleşir. p=1y^=β^0+xβ^β0(0,β^0)
Mart'ta ocram

@Ocram'ın yardımı yeterli değilse, vektörleri yazmayı ve çarpmayı yapmayı deneyin.
Peter Flom

2
İşte güzel bir grafik sunum: blog.stata.com/2011/03/03/… . Notasyonu orada X ve x, A farklıdır β . β^
Dimitriy V.Masterov

2
Kitap olduğu yanlış veya en azından tutarsız. Açıkça sabit dahil olmayan değişkenleri vardır . Böylece resim { ( X , Y ) | X R p } gerçekten bir hiper düzlemdir, ancak sabitin " X'e dahil" olduğunu söylemek yanlıştır . Bunun yerine, kitabın sabitin regresyona dahil olduğunu söylemek anlamına geldiğini düşünüyorum, ancak yine de X'in bir parçası olarak düşünülmemelidir . Bu nedenle modelin gerçekten yazılmalıdır Y = β 0 +p{(X,Y^)|XRp}XX β burada β = ( β 1 , β 2 , ... , β s ) ' . X = 0 ayarıderhal kesişme hakkında iddia verir. Y^=β^0+Xβ^β=(β1,β2,,βp)X=0
whuber

1
Bunun yerine sabit içeriyorsa ( , o zaman izin olamaz X serbest tüm değişebilir R p : bir mesafede yalan sınırlandırılır p - 1 boyutlu alt uzay grafiktir. { ( X , Y ) } sonra keyfi dik boyutlu sahip en az 2 ve bu yüzden aslında bir "hiper düzlem.")XXRpp1{(X,Y^)}2
whuber

Yanıtlar:


4

NK

XN×KxiTK×1βYN×1Yn

YXXN×KXYYX

YXKXK+1

X1β1β1Yx1iK+1Kβ1K

yi=β1x1i+β2x2i+ui
Y=Xβ+uXN×2

<Y,X>

x11

yi=β1i+β2x2i+ui
X, Y<Y,X>β1x2i=0

<0,β1><0,0>β

(XX)β=Xy(XX)βXy=0X(yXβ)=0.
XyXβ=0

( Düzenleme: Sadece ikinci sorunuz için bunun, regading sabitini veya hariç tutmayı yazdığınızın tam tersi olduğunu fark ettim. Ancak, çözümü burada zaten tasarladım ve bu konuda yanlış olduğumda düzeltilmiş duruyorum. )

Bir regresyonun matris temsilinin başlangıçta oldukça kafa karıştırıcı olabileceğini biliyorum, ancak sonunda daha karmaşık cebir elde ederken çok basitleştiriyor. Umarım bu biraz yardımcı olur.


1

Düşünmenin yolu bu denklemi yeniden düzenlemektir:

Y^XTβ^=0

Y^
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.