폐쇄 형 솔루션이 계산하는 데 비용이 많이 드는 경우가 아니라면 일반적으로 솔루션을 사용할 수있는 방법입니다. 하나,
대부분의 비선형 회귀 문제의 경우 닫힌 형태 솔루션이 없습니다.
선형 회귀 (폐쇄 형 솔루션을 사용할 수있는 몇 가지 경우 중 하나)에서도 공식을 사용하는 것은 실용적이지 않을 수 있습니다. 다음 예제는 이것이 발생할 수있는 한 가지 방법을 보여줍니다.
y=XβX
β^=argmin∥Xβ−y∥2
~에 의해 주어진다
β^=(XTX)−1XTy
이제 가 매우 크지 만 희소 행렬 이라고 상상해보십시오 . 예를 들어 는 100,000 개의 열과 1,000,000 개의 행을 가질 수 있지만 의 항목 중 0.001 %만이 0이 아닙니다 . 이러한 희소 행렬의 0이 아닌 항목 만 저장하기위한 특수 데이터 구조가 있습니다. XXX
또한 우리가 운이 좋지 않다고 가정하고 는 0이 아닌 항목의 비율이 훨씬 높은 상당히 조밀 한 행렬입니다. 밀도가 100,000 x 100,000 인 요소 행렬을 저장하려면 부동 소수점 숫자가 필요합니다 (숫자 당 8 바이트에서 80 기가 바이트가 됨). 그러나 슈퍼 컴퓨터. 또한이 행렬의 역수 (또는 일반적으로 C 레 스키 (Cholesky) 계수)도 대부분 0이 아닌 항목을 갖는 경향이 있습니다. XTXXTX1×1010
그러나 , 및 보다 더 많은 저장 공간이 필요하지 않고 행렬 곱 명시 적으로 형성하지 않는 최소 제곱 문제를 해결하기위한 반복적 인 방법이 있습니다 . Xyβ^XTX
이 상황에서 반복 방법을 사용하는 것은 닫힌 제곱 솔루션을 최소 제곱 문제에 사용하는 것보다 훨씬 계산적으로 효율적입니다.
이 예는 터무니없이 커 보일 수 있습니다. 그러나이 크기의 큰 희소 최소 제곱 문제는 지진 단층 촬영 연구에서 데스크톱 컴퓨터의 반복적 인 방법으로 일상적으로 해결됩니다.