뒤에 직관


10

선형 회귀 분석에서 닫힌 형태의 w는 다음과 같이 쓸 수 있습니다.

w^=(XTX)1XTy

이 방정식에서 의 역할을 직관적으로 설명 할 수 있습니까?(XTX)1


2
"직관적으로"의 의미에 대해 자세히 설명해 주시겠습니까? 예를 들어, 복잡한 질문에 대한 Christensen의 비행기 답변에 제시된 내부 제품 공간 측면에서 놀랍도록 직관적 인 설명이 있지만 모든 사람이 그러한 접근 방식을 인식하지는 않습니다. 다른 예로서, stats.stackexchange.com/a/62147/919에 대한 답변에 기하학적 설명이 있지만 모든 사람이 기하학적 관계를 "직관적"으로 보는 것은 아닙니다.
whuber

직관적으로 $ (X ^ TX) ^ {-1}의 의미는 무엇입니까? 그것은 거리 계산의 일종입니까, 아니면 이해할 수 없습니다.
Darshak

1
그것은 내가 연결 한 답변에 완전히 설명되어 있습니다.
whuber

이 질문은 이미 만족스러운 답변 math.stackexchange.com/questions/2624986/…
Sextus Empiricus

답변:


5

이 게시물이 특히 유용하다는 것을 알았습니다.

다중 선형 회귀 분석을 위해 최소 제곱 추정기를 도출하는 방법은 무엇입니까?

SVD와 PCA의 관계. SVD를 사용하여 PCA를 수행하는 방법?

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

경우 X 다음 행렬 행렬 X ( X T X ) - 1 X T 정의투영의 열 공간 상 X는 . 직관적으로, 당신은 방정식의 중복 - 결정된 시스템을 가지고,하지만 여전히 선형지도의 정의를 사용하려면 R의 PR 행을 매핑합니다 X 난을 X 값에 뭔가 가까이에 y를 ,{ 1 , ... , N }을n×pX(XTX)1XTXRpRxiXy나는i{1,,}. 따라서 우리는 y에 가장 가까운 것에 보내고 당신의 특징 ( X 열)의 선형 조합으로 표현할 수 있습니다 . 엑스와이엑스

지금까지의 해석으로 , 나는 아직 놀라운 대답이 없습니다. ( X T X ) 를 기본적으로 데이터 세트의 공분산 행렬로 생각할 수 있다는 것을 알고 있습니다 .(엑스엑스)1(엑스엑스)


때때로 "분산 매트릭스"라하고, 공분산 행렬의 단지까지 확장 버전입니다(XTX)
JacKeown

4

기하학적 관점

기하학적 점은 N 차원 벡터 등일 수 X β N 차원 공간에있는 점 V . 여기서 X β 부분 공간에 또한 W 벡터에 의해 스패닝는 X 1 , X 2 , , X의 m이 .yXβVXβ^Wx1,x2,,xm

투사

두 가지 유형의 좌표

이 부분 공간 두 가지 다른 유형의 좌표를 상상할 수 있습니다 .W

  • β 좌표 일정한 공간에 대한 좌표 같다. 벡터공간 W z 는 벡터 x i z = β 1 x 1 + β 2 x 1 + 의 선형 조합입니다 . . . . β m의 엑스 mzWxi
    z=β1x1+β2x1+....βmxm
  • α 일반적인 의미에서 좌표 아니지만, 그들은 아 공간의 한 점을 정의 할 . 각각의 α i 는 벡터 x i 에 대한 수직 투영 관련이 있습니다. 단위 벡터 x i (간단 함을 위해)를 사용하면 벡터 z에 대한 "좌표" α i 는 다음과 같이 표현 될 수 있습니다.Wαixixiαiz

    αi=xiTz

    모든 좌표 세트는 다음과 같습니다.

α=XTz

좌표 β 사이의 매핑αβ

대해 "좌표"발현 α 좌표로부터 변환된다 β "좌표"로 αz=Xβαβα

α=XTXβ

는 각 x i 가 다른 x j 에 얼마나 많은 양을 투영 하는지를 나타내는 것으로 볼 수 있습니다(XTX)ijxixj

그 다음의 기하학적 해석 벡터 투영 "좌표"의 맵으로 알 수있는 α 선형 좌표 β .(XTX)1αβ

β=(XTX)1α

투영 "좌표"범 Y를( X T X ) - 1 개 로 변한다들을 β .XTyy(XTX)1β


참고 :의 투영 "좌표" 동일의 투영 "좌표"로 Y 사람 ( Y - Y ) X .y y^(yy^)X


stats.stackexchange.com/a/124892/3277 주제와 매우 유사한 설명입니다 .
ttnphns

실제로 매우 유사합니다. 나 에게이 견해는 매우 새롭고 나는 그것에 대해 생각하기 위해 밤을 가야했다. 나는 항상 투영의 관점에서 최소 제곱 회귀를 보았지만이 관점에서 나는 부분 ( X T X )에 대한 직관적 인 의미 를 실현하려고 시도하지 않았습니다 -(XTX)1XTy=XTXβ

3

yi=α+βxi+εi
β=cov[xi,yi]var[xi]

XyXXXXXy(XX)1Xy


그러나 그 비유 자체는 역수와의 사전 또는 사후 곱셈을 알려주지 않습니다.
kjetil b halvorsen

@kjetilbhalvorsen, 나는 작업 순서를 넣어
Aksakal
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.