本系列筆記爲方便日後自己查閱而寫,更多的是個人見解,也算一種學習的複習與總結,望善始善終吧~
基本子空間與投影矩陣
上一節課我們已經瞭解了投影矩陣 projection matrix,
結合我們過去學習到的四個基本子空間的內容,對於
- 若b在A的column space 則其投影爲其本身b
- 若b垂直於A的column space則其投影爲一個點,沒有長度,爲0
這是一張很重要的圖片,向量
最小二乘 least square
繼續上一節課的內容,找到過三個點的直線就是解三個方程,但此方程無解,此時我們要找到最接近的解“最優解”,我們要使得解最優即誤差最小,定義誤差爲
這裏使用平方的原因一是排除開根號帶來的非線性運算,一是方便利用偏導數求解最小值。所以這裏如果使用偏導數我們也能得到關於最優解的方程,用矩陣的方法求解
得到的方程是一樣的,求解即可得出結果
我們腦海中要有兩張圖:
- 一個是我們要擬合的直線的那張圖,各個點在我們得到的直線上的投影爲p,偏差爲e。
- 另一個是之前我們的column space與left null space的圖,b向量的投影p向量在column space而e 向量在left null space,二者正交
證明ATA 可逆
求解
要證明
兩邊同乘
最後老師引入標準正交向量組:它們肯定線性無關
PS:另一位仁兄的筆記
http://blog.csdn.net/suqier1314520/article/details/13759193