使用配方法求解最小二乘拟合函数参数的推导过程
函数原型
函数原型:y = w*x + b
其中x是自变量,y是因变量,w是斜率,b是截距。
样本说明
(x1, y1)代表第1个样本点的数据,
(x2, y2)代表第2个样本点的数据,
以此类推
(xn, yn)代表第n个样本点的数据。
这些都是已知量。
x’代表样本在x轴的平均值,
y’代表样本在y轴的平均值。
这两个变量通过已知量计算平均值求出。
问题
求出能使
(wx1 + b - y1)² + (wx2 + b - y2)² +…+(wxn + b - yn)²
的结果最小的w和b的值
第一步,对b进行配方法,配成b的完全平方式
将上式转换为:
(b - (y1-wx1))² + (b - (y2-wx2))² +(b - (y3-wx3))² (式1)
展开式1:
b² -2b(y1-wx1)+ (y1-wx1)²
+b² -2b(y2-wx2)+ (y2-wx2)²
+…
+b² -2b(yn-wxn)+ (yn-wxn)²
合并b的同类项:
nb² -2b(y1-wx1 + y2-wx2 + …+yn-wxn) + 其他不含b的项
将上式中的第二项中的y1 + y2 +…+yn合并,那么这就是y的和,如果将y’定义为y的平均值,那么y的和也等于ny’,同理,x的和也等于nx’。
上式转换为:nb² -2b(ny’ - nx’) + 其他不含b的项
将n提取出来:n(b² - 2b(y’ - wx’)) + 其他不含b的项
利用配方法配平平方式,上式就转换为:
n(b - (y’ - wx’))² + 其他不含b的项
要让整个式子的值最小,n(b - (y’

本文详细介绍了如何使用配方法求解最小二乘拟合函数参数的推导过程,通过数学公式和Python代码示例,展示了求解线性回归中斜率和截距的具体步骤。
1万+

被折叠的 条评论
为什么被折叠?



