最近需要用到最小二乘法,尽管一直知道通过matlab直接就能实现,但是具体做法以及推导过程不清楚,心虚,以此博文记录一下。
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。 [4]
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。
步骤:
1、样本回归模型:
2、平方损失函数
3、 Q对两个待估参数的偏导数
4、解方程
求得使平方损失函数取得极值点的那两个系数。这是一次线性回归问题。
使用向量表示OLS(Ordinary Least Square, 普通最小二乘法),则有:
XTXβ=XTy
也即:
β=(XTX)-1XTy
其中是最小二乘估计的线性回归系数。
也就是说,通过原始的散点(Xi,Yi),计算得到的是系数向量 ,再进行计算时,使用向量 与X相乘,即可得到Y。
最小二乘法在OMP稀疏恢复算法中有用到。