二五、最小二乘逼近

1. 定義

假設

\underset{n \times k}{A} \vec{x} = \vec{b} \qquad \vec{x} \in R^k \qquad \vec{b} \in R^n

且方程無解,這意味着向量b不在A的列空間中:

\vec{b} \notin C(A)

雖然方程無解,但我們可以求得一個與向量b最接近的解,即:

\left \| \vec{b} - A \vec{x^\star} \right \|

最小時,方程:

A \vec{x^\star} = \vec{b} - (\vec{b} - A \vec{x^\star})

的解。因爲向量在子空間的投影距離向量最近,因此:

A \vec{x^\star} = Proj_V \vec{b} = A (A^T A) ^ {-1} A \vec{b}

\vec{x^\star} = (A^T A) ^{-1} A^T \vec{b}

向量x*稱爲最小二乘解(least squares solution, estimate, approximation),它不是真正意義上的解,它是一個最優解。

2. 應用

最小二乘估計法是對過度確定系統(方程個數大於未知數個數的方程組)求得近似解的標準方法。

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章