Czy mógłbyś wyjaśnić, co rozumiesz przez „intuicyjnie”? Na przykład istnieje cudownie intuicyjne wyjaśnienie w kategoriach przestrzeni produktów wewnętrznych, przedstawione w Plane Odpowiedzi Christensena na złożone pytania, ale nie wszyscy docenią to podejście. Jako kolejny przykład w mojej odpowiedzi na stronie stats.stackexchange.com/a/62147/919 znajduje się geometryczne wyjaśnienie , ale nie wszyscy postrzegają relacje geometryczne jako „intuicyjne”.
whuber
Intuicyjnie przypomina to, co oznacza $ (X ^ TX) ^ {- 1}? Czy to jakiś rodzaj obliczenia odległości czy coś takiego, nie rozumiem tego.
Darshak
1
Jest to w pełni wyjaśnione w odpowiedzi, do której linkowałem.
Jeżeli jest n x s matrycy czym macierz X ( X , T X ) - 1 x T wyznacza występ na powierzchni kolumny X . Intuicyjnie, masz nadokreślony układ równań, ale nadal chcesz go używać do definiowania liniowa mapa R p → R , która będzie mapować wiersze x I od X do czegoś blisko wartości y i , i ∈ { 1 , ... , n }Xn×pX(XTX)−1XTXRp→RxiXyii∈{1,…,n}. Postanawiamy więc wysłać do najbliższej rzeczy y, która może być wyrażona jako liniowa kombinacja twoich cech (kolumny X ). XyX
Jeśli chodzi o interpretację , nie mam jeszcze niesamowitej odpowiedzi. Wiem, że możesz myśleć o ( X T X ) jako o zasadzie macierzy kowariancji zestawu danych.(XTX)−1(XTX)
jest czasami nazywany „macierzą rozproszenia” i jest po prostu powiększoną wersją macierzy kowariancji(XTX)
JacKeown,
4
Geometryczny punkt widzenia
Geometrycznej punktu widzenia może być jak n-wymiarowych wektorów i X, p będących punktami w n-wymiarowej przestrzeni V . gdzie XyXβVjest również w podprzestrzeniWobjętej przez wektoryX1,X2,⋯,xm.Xβ^Wx1,x2,⋯,xm
Do β są jak współrzędne dla regularnych współrzędnych przestrzeni. Wektor w przestrzeni W jest liniową kombinacją wektorów x i z = β 1 xzWxi
z=β1x1+β2x1+....βmxm
Do α nie są współrzędne w regularnych sensie, ale robią określić punkt w podprzestrzeni . Każde α iWαi odnosi się do prostopadłych rzutów na wektory . Jeśli stosujemy wektor jednostkowy x I (dla uproszczenia), a następnie „współrzędnych” a I do wektora Z może być wyrażona jako:xixiαiz
αi=xTiz
oraz zbiór wszystkich współrzędnych jako:
α=XTz
Mapowanie między współrzędnymi i βαβ
dla wyrażenie „współrzędne” α staje się konwersją ze współrzędnych β na „współrzędne” αz=Xβαβα
α=XTXβ
Możesz zobaczyć jako wyrażenie, ile każdy x i rzutuje na drugi x j(XTX)ijxixj
Następnie interpretację geometryczną można postrzegać jako mapę od wektorowych „współrzędnych” α do współrzędnych liniowych β .(XTX)−1αβ
β=(XTX)−1α
Wyrażenie podaje rzut „współrzędnych” y iXTyy zamienia je w β .(XTX)−1β
Uwaga : W projekcji „Współrzędne” od są takie same, w postaci rzutu „współrzędnych” od Y od czasu (yy^ .(y−y^)⊥X
Rzeczywiście bardzo podobne. Dla mnie ten widok jest bardzo nowy i musiałem się nad tym zastanowić. Zawsze widziałem regresję najmniejszych kwadratów pod względem rzutu, ale w tym punkcie widzenia nigdy nie próbowałem zrozumieć intuicyjnego znaczenia dla części lub zawsze widziałem to w bardziej pośrednim wyrażeniu X T y = X T X β(XTX)−1XTy=XTXβ .
Sextus Empiricus
3
Zakładając, że znasz prostą regresję liniową:
i jej rozwiązanie :
β = c o v [
yi=α+βxi+εi
β=cov[xi,yi]var[xi]
Łatwo zobaczyć, jak odpowiada licznikowi powyżej, a X ′ X odwzorowuje na mianownik. Ponieważ mamy do czynienia z macierzami, kolejność ma znaczenie. X ' X jest macierzą KxK, a X ' y jest wektorem Kx1. Dlatego kolejność jest następująca: ( X ′ X ) - 1X′yX′XX′XX′y(X′X)−1X′y
Odpowiedzi:
Uważam, że te posty są szczególnie pomocne:
Jak uzyskać estymator najmniejszych kwadratów dla wielokrotnej regresji liniowej?
Związek między SVD a PCA. Jak używać SVD do wykonywania PCA?
http://www.math.miami.edu/~armstrong/210sp13/HW7notes.pdf
Jeżeli jest n x s matrycy czym macierz X ( X , T X ) - 1 x T wyznacza występ na powierzchni kolumny X . Intuicyjnie, masz nadokreślony układ równań, ale nadal chcesz go używać do definiowania liniowa mapa R p → R , która będzie mapować wiersze x I od X do czegoś blisko wartości y i , i ∈ { 1 , ... , n }X n×p X(XTX)−1XT X Rp→R xi X yi i∈{1,…,n} . Postanawiamy więc wysłać do najbliższej rzeczy y, która może być wyrażona jako liniowa kombinacja twoich cech (kolumny X ). X y X
Jeśli chodzi o interpretację , nie mam jeszcze niesamowitej odpowiedzi. Wiem, że możesz myśleć o ( X T X ) jako o zasadzie macierzy kowariancji zestawu danych.(XTX)−1 (XTX)
źródło
Geometryczny punkt widzenia
Geometrycznej punktu widzenia może być jak n-wymiarowych wektorów i X, p będących punktami w n-wymiarowej przestrzeni V . gdzie Xy Xβ V jest również w podprzestrzeniWobjętej przez wektoryX1,X2,⋯,xm.Xβ^ W x1,x2,⋯,xm
Dwa rodzaje współrzędnych
Dla tej podprzestrzeni możemy wyobrazić sobie dwa różne typy współrzędnych :W
Doα nie są współrzędne w regularnych sensie, ale robią określić punkt w podprzestrzeni . Każde α iW αi odnosi się do prostopadłych rzutów na wektory . Jeśli stosujemy wektor jednostkowy x I (dla uproszczenia), a następnie „współrzędnych” a I do wektora Z może być wyrażona jako:xi xi αi z
oraz zbiór wszystkich współrzędnych jako:
Mapowanie między współrzędnymi i βα β
dla wyrażenie „współrzędne” α staje się konwersją ze współrzędnych β na „współrzędne” αz=Xβ α β α
Możesz zobaczyć jako wyrażenie, ile każdy x i rzutuje na drugi x j(XTX)ij xi xj
Następnie interpretację geometryczną można postrzegać jako mapę od wektorowych „współrzędnych” α do współrzędnych liniowych β .(XTX)−1 α β
Wyrażenie podaje rzut „współrzędnych” y iXTy y zamienia je w β .(XTX)−1 β
Uwaga : W projekcji „Współrzędne” od są takie same, w postaci rzutu „współrzędnych” od Y od czasu (y y^ .(y−y^)⊥X
źródło
Zakładając, że znasz prostą regresję liniową: i jej rozwiązanie : β = c o v [
Łatwo zobaczyć, jak odpowiada licznikowi powyżej, a X ′ X odwzorowuje na mianownik. Ponieważ mamy do czynienia z macierzami, kolejność ma znaczenie. X ' X jest macierzą KxK, a X ' y jest wektorem Kx1. Dlatego kolejność jest następująca: ( X ′ X ) - 1X′y X′X X′X X′y (X′X)−1X′y
źródło