[英]Parameters Estimation using Least Square Method in Matlab
我有下一个问题:考虑一组方程y=ax+b
,其中我知道 y 和 x 并想使用最小二乘法估计a
和b
。 让我们假设有Y=[y1 ; y2]
Y=[y1 ; y2]
和A=[x1 1; x2 1]
A=[x1 1; x2 1]
使得Y=A*[a;b]
根据最小二乘法: B=[a;b]=( transpose(A)*A )^-1*transpose(A)*Y
(A'*A) \\ A'*Y
和A\\Y
是一样的吗?
哪个是计算 B 的最佳方法:
inv( transpose(A)*A ) *transpose(A)*Y
(transpose(A)*A) \\ transpose(A)*Y
(A'*A) \\ A'*Y
pinv(A)*Y
(计算伪逆矩阵)
以上所有给出的结果略有不同
在解决您的疑问之前,必须进行评论。 当您想使用速记运算符转置矩阵时……您不应该使用'
,而是.'
. 第一个是共轭转置的速记运算符,而第二个是用于transpose的正确速记运算符。 虽然它们通常会产生相同的结果,但将前者与包含复数的矩阵一起使用可能会扰乱您的计算。
由于您没有提供数据样本,以下是我为测试部署的设置:
Y = [2; 4];
A = [3 1; 7 1];
现在,让我们一步一步来。 对于您的第一个答案,是的,从数学角度来看,这两个操作是等效的,并且产生的结果基本相同:
>> B = A \ Y
B =
0.5
0.5
-----------------------------
>> B = inv(A.' * A) * A.' * Y
B =
0.500000000000001
0.5
您看到的细微差别是由于INV(A) * b
不如A \\ b
准确,如果您将对inv
函数的调用悬停在乘法之后,即使 Matlab 代码解释器也清楚地说明了这一点(应标有橙色警告突出显示):
这也部分回答了您的第二个问题,但让我们做一个详尽的基准测试。 我放弃了使用inv(A.' * A) * A.' * Y
执行的计算 inv(A.' * A) * A.' * Y
因为建议避免它。 开始了:
tic();
for i = 1:100000
B = A \ Y;
end
toc();
tic();
for i = 1:100000
B = pinv(A) * Y;
end
toc();
tic();
for i = 1:100000
B = (A.' * A) \ A.' * Y;
end
toc();
这是基准测试的结果:
Elapsed time is 0.187067 seconds.
Elapsed time is 2.987651 seconds.
Elapsed time is 2.173117 seconds.
鉴于这三种方法具有相同的准确度……第一种方法显然是迄今为止最快的方法。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.