Trực giác phía sau ở dạng đóng của w trong Hồi quy tuyến tính


10

Dạng đóng của w trong hồi quy tuyến tính có thể được viết là

w^=(XTX)1XTy

Làm thế nào chúng ta có thể giải thích bằng trực giác vai trò của trong phương trình này?(XTX)1


2
Bạn có thể giải thích những gì bạn có nghĩa là "trực giác"? Ví dụ, có một lời giải thích trực quan tuyệt vời về mặt không gian sản phẩm bên trong được trình bày trong Câu trả lời máy bay của Christensen cho các câu hỏi phức tạp, nhưng không phải ai cũng sẽ đánh giá cao phương pháp đó. Một ví dụ khác, có một lời giải thích hình học trong câu trả lời của tôi tại stats.stackexchange.com/a/62147/919 , nhưng không phải ai cũng xem quan hệ hình học là "trực quan".
whuber

Trực giác giống như $ (X ^ TX) ^ {- 1} nghĩa là gì? Có phải đó là một loại tính toán khoảng cách hay cái gì đó, tôi không hiểu nó.
Darshak

1
Điều đó được giải thích đầy đủ trong câu trả lời tôi liên kết đến.
whuber

Câu hỏi này đã tồn tại ở đây mặc dù có thể không có câu trả lời thỏa mãn math.stackexchange.com/questions/2624986/ Lời
Sextus Empiricus

Câu trả lời:


5

Tôi thấy những bài viết này đặc biệt hữu ích:

Làm thế nào để lấy công cụ ước lượng bình phương nhỏ nhất cho hồi quy tuyến tính bội?

Mối quan hệ giữa SVD và PCA. Làm thế nào để sử dụng SVD để thực hiện PCA?

http://www.math.miami.edu/~armstrong/210sp13/HW7notes.pdf

Nếu là một ma trận sau đó ma trận định nghĩa một chiếu vào không gian cột của . Theo trực giác, bạn có một hệ phương trình quá hạn, nhưng vẫn muốn sử dụng nó để xác định bản đồ tuyến tính sẽ ánh xạ các hàng của thành một giá trị gần với giá trị , . Vì vậy, chúng tôi giải quyết việc gửi đến điều gần nhất với có thể được biểu thị dưới dạng kết hợp tuyến tính các tính năng của bạn (các cột của ). n × p X ( X T X ) - 1 X T X R pR x i X y i i { 1 , ... , n } X y XXn×pX(XTX)1XTXRpRxiXyii{1,,n}XyX

Theo như cách giải thích của , tôi chưa có câu trả lời tuyệt vời nào. Tôi biết bạn có thể nghĩ về về cơ bản là ma trận hiệp phương sai của tập dữ liệu. ( X T X )(XTX)1(XTX)


(XTX) đôi khi được gọi là "ma trận phân tán" và chỉ là phiên bản thu nhỏ của ma trận hiệp phương sai
JacKeown

4

Quan điểm hình học

Một quan điểm hình học có thể giống như các vectơ n chiều và là điểm trong n-chiều-không gian . Trong đó cũng nằm trong không gian con kéo dài bởi các vectơ .X β V X β W x 1 , x 2 , , x myXβVXβ^Wx1,x2,,xm

chiếu

Hai loại tọa độ

Đối với không gian con chúng ta có thể tưởng tượng hai loại tọa độ khác nhau :W

  • Cácβ giống như tọa độ cho một không gian thường xuyên phối hợp. Vectơ trong không gian là tổ hợp tuyến tính của vectơW x i z = β 1 x 1 + β 2 x 1 + . . . . β m x mzWxi
    z=β1x1+β2x1+....βmxm
  • Cácα không phải là tọa độ theo nghĩa thông thường, nhưng họ làm xác định một điểm trong không gian con . Mỗi liên quan đến các hình chiếu vuông góc lên các vectơ . Nếu chúng ta sử dụng vectơ đơn vị (để đơn giản) thì "tọa độ" cho vectơ có thể được biểu thị là:α i x i x i α i zWαixixiαiz

    αi=xiTz

    và tập hợp tất cả các tọa độ là:

α=XTz

Ánh xạ giữa tọa độ vàbetaαβ

for biểu thức của "tọa độ" trở thành một chuyển đổi từ tọa độ sang "tọa độ"alpha beta alphaz=Xβαβα

α=XTXβ

Bạn có thể thấy như thể hiện số lượng mỗi dự án trên khác x i x j(XTX)ijxixj

Sau đó, có thể xem cách giải thích hình học của dưới dạng bản đồ từ phép chiếu vector "tọa độ" sang tọa độ tuyến tính . alpha beta(XTX)1αβ

β=(XTX)1α

Biểu thức đưa ra "tọa độ" của và biến chúng thành .y ( X T X ) - 1 βXTyy(XTX)1β


Lưu ý : phép chiếu "tọa độ" của giống như phép chiếu "tọa độ" của kể từ .y ( y - y ) Xy y^(yy^)X


Một tài khoản rất giống với số liệu thống kê chủ đề.stackexchange.com/a/124892/3277 .
ttnphns

Quả thực rất giống nhau. Đối với tôi quan điểm này là rất mới và tôi đã phải mất một đêm để suy nghĩ về nó. Tôi đã luôn xem hồi quy bình phương tối thiểu theo hình chiếu nhưng theo quan điểm này, tôi chưa bao giờ cố gắng nhận ra ý nghĩa trực quan của phần hoặc tôi luôn thấy nó trong biểu thức gián tiếp hơn . X T y = X T X β(XTX)1XTy=XTXβ
Sextus Empiricus

3

Giả sử bạn đã quen thuộc với hồi quy tuyến tính đơn giản: và giải pháp của nó : β = c o v [ x i , y i ]

yi=α+βxi+εi
β=cov[xi,yi]var[xi]

Thật dễ dàng để xem làm thế nào tương ứng với tử số ở trên và bản đồ để mẫu số. Vì chúng ta đang xử lý ma trận nên thứ tự là vấn đề. là KxK ma trận, và là Kx1 vector. Do đó, thứ tự là:X X X X X y ( X X ) - 1 X yXyXXXXXy(XX)1Xy


Nhưng sự tương tự đó không cho bạn biết nếu trước hoặc sau khi kết hợp với nghịch đảo.
kjetil b halvorsen

@kjetilbhalvorsen, tôi đặt thứ tự các hoạt động
Aksakal
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.