평면에서 데이터 점 주어지면 직선 그리겠습니다
. 우리가 예측할 경우 값으로서 의 다음 오류 인 의 제곱 오차가 있다
및 총 제곱 오차 . 우리는 물어 본다( X I , Y I ) , I = 1 , 2 , ... , N , Y = X + b를 X가 나는 + (B)의 Y를 I Y I ( Y I - Y I ) = ( Y I - X I - b ) ( y i − a x i − bn(xi,yi),i=1,2,…ny=ax+baxi+by^iyi(yi−y^i)=(yi−axi−b)∑ n i = 1 ( y i − a x i − b ) 2(yi−axi−b)2 ∑ni=1(yi−axi−b)2
어떤 선택 및 최소화
?b S = n ∑ i = 1 ( y i − a x i − b ) 2abS=∑i=1n(yi−axi−b)2
이후 의 수직 거리 직선에서, 우리는 선으로부터 점의 수직 거리의 제곱의 합이 작게되도록 광고를 요구하고 가능한. 이제 양자의 이차 함수 와 그 최소치 달성 와 되도록 설정된다
두 번째 방정식에서
여기서
( x i , y i ) S a b a b ∂ S(yi−axi−b)(xi,yi)Sabab b=1
∂S∂a∂S∂b=2∑i=1n(yi−axi−b)(−xi)=2∑i=1n(yi−axi−b)(−1)=0=0
μy=1b=1n∑i=1n(yi−axi)=μy−aμx
yixia=( 1μy=1n∑i=1nyi, μx=1n∑i=1nxi 는 산술 평균입니다 와 의 값 . 첫 번째 방정식으로 대체
따라서, 최소화 라인 다음과 같이 표현 될 수
및 의 최소값 은
yixiSy=ax+b=μy+((1a=(1n∑ni=1xiyi)−μxμy(1n∑ni=1x2i)−μ2x.
SSSmin=[(1y=ax+b=μy+((1n∑ni=1xiyi)−μxμy(1n∑ni=1x2i)−μ2x)(x−μx),
SSmin=[(1n∑ni=1y2i)−μ2y][(1n∑ni=1x2i)−μ2x]−[(1n∑ni=1xiyi)−μxμy]2(1n∑ni=1x2i)−μ2x.
우리의 역할 교환하는 경우 와 , 선 그리기
, 그리고 값을 요청
와 이 최소화
즉 , 점에서 수평 거리의 제곱의 합 이 줄이 가능한 한 작다면xyx=a^y+b^a^b^
T=∑i=1n(xi−a^yi−b^)2,
x=a^y+b^=μx+((1n∑ni=1xiyi)−μxμy(1n∑ni=1y2i)−μ2y)(y−μy)
및 최소값 는
TTmin=[(1n∑ni=1y2i)−μ2y][(1n∑ni=1x2i)−μ2x]−[(1n∑ni=1xiyi)−μxμy]2(1n∑ni=1y2i)−μ2y.
두 선 모두 점 통과
하지만 경사는
는 일반적으로 다릅니다. 실제로 @whuber가 주석에서 지적한 것처럼 모든 점 이 동일한 직선에 놓여 있으면 기울기가 동일합니다. 이것을 보려면
(μx,μy)
a=(1n∑ni=1xiyi)−μxμy(1n∑ni=1x2i)−μ2x, a^−1=(1n∑ni=1y2i)−μ2y(1n∑ni=1xiyi)−μxμy
(xi,yi)a^−1−a=Smin(1n∑ni=1xiyi)−μxμy=0⇒Smin=0⇒yi=axi+b,i=1,2,…,n.