<分区>
我知道我可以通过 (X'X)^-1 * X'y
找到多项式回归的系数(其中 X'
是转置,参见 Wikipedia了解详情)。
这是一种求系数的方法;现在,(据我所知)至少有另一种方法,即使用梯度下降最小化成本函数。前一种方法似乎最容易实现(我用 C++ 实现,后者在 Matlab 中实现)。
我想知道的是其中一种方法相对于另一种方法的优势。
在一个特定的数据集上,只有很少的点,我发现我无法使用 (X'X)^-1 * X'y
找到令人满意的解决方案,但梯度下降工作得很好我可以获得一个有意义的估计函数。
那么梯度下降的矩阵分辨率有什么问题呢?以及如何测试回归结果,对用户隐藏所有细节?