我知道我可以找到多項式迴歸的係數做(X'X)^-1 * X'y
(其中X'
是轉置,詳見Wikipedia)。多項式迴歸 - 兩種算法之間的結果準確性
這是一種查找係數的方法;現在,(至少據我所知)至少有一種方法,即通過使用梯度下降最小化成本函數。前一種方法似乎是最容易實現的(我在C++中實現了它,我在Matlab中實現了後者)。
我想知道的是這些方法之一的優點。
對於特定的數據集,只有很少的幾點,我發現我無法使用(X'X)^-1 * X'y
找到令人滿意的解決方案,但漸變下降效果很好,我可以得到一個合理的估計函數。
那麼,梯度下降時的矩陣分辨率有什麼問題?如何測試迴歸結果,讓用戶隱藏所有細節?
兩種方法都應產生相同的結果。如果不是,你要麼有一個(幾乎)奇異矩陣X,要麼在某個地方犯了一個錯誤。也許你嘗試了太少分?與您想要確定的係數數量相比,點數必須大於或等於。 – pentadecagon
這個問題似乎是題外話,因爲它屬於math.stackexchange.com – codeling
不,它不屬於數學stackexchange。這是一個關於機器學習算法的問題。衆所周知,機器學習是讓計算機在沒有明確編程的情況下采取行動的科學。因此,這是一個stackoverflow問題。 – CTZStef