Math 回归公式中矩阵维数不存在马赫数

Math 回归公式中矩阵维数不存在马赫数,math,matrix,machine-learning,regression,dimensions,Math,Matrix,Machine Learning,Regression,Dimensions,我试图计算这个回归公式,但我对维度计算有问题,它们不正确: 其中: X-维度为200x20的矩阵,n=200个样本,p=20个预测因子 y-维度为200x1的矩阵 -一系列系数,维数为20x1,k=1,2,3 -尺寸20x200 j-和1…p的值,因此从1…20 问题是当我计算的时候 例如,对于k=20,k-1=19,我有一个和维度不匹配的减法200x1-200x20x1x1=200x1-200x20将不起作用 如果我取所有的β向量,那么它是正确的。这是否意味着取β的第19个值并与矩阵X相乘 的

我试图计算这个回归公式,但我对维度计算有问题,它们不正确: 其中:

X-维度为200x20的矩阵,n=200个样本,p=20个预测因子

y-维度为200x1的矩阵

-一系列系数,维数为20x1,k=1,2,3

-尺寸20x200

j-和1…p的值,因此从1…20

问题是当我计算的时候

例如,对于k=20,k-1=19,我有一个和维度不匹配的减法200x1-200x20x1x1=200x1-200x20将不起作用

如果我取所有的β向量,那么它是正确的。这是否意味着取β的第19个值并与矩阵X相乘

的公式:


您应该在计算的每个阶段使用整个beta向量

(Tibshirani对符号的使用有点宽容,也许……)

k
只是一个计数器,我们正在执行算法的哪个步骤。在一开始(
k=0
或“步骤0”)我们初始化整个beta向量,使所有元素都等于零:

在算法的每一步(步骤
k=1、2、3…
等等),我们使用之前对向量beta的估计(在步骤
k-1
中计算)来计算向量beta()的新的改进估计。上标数字不是向量的索引,而是一个标签,告诉我们beta向量是在算法的哪个阶段生成的


我希望这是有道理的。重要的一点是,每个值都是一个不同的20x1向量。

在计算的每个阶段都应该使用整个beta向量

(Tibshirani对符号的使用有点宽容,也许……)

k
只是一个计数器,我们正在执行算法的哪个步骤。在一开始(
k=0
或“步骤0”)我们初始化整个beta向量,使所有元素都等于零:

在算法的每一步(步骤
k=1、2、3…
等等),我们使用之前对向量beta的估计(在步骤
k-1
中计算)来计算向量beta()的新的改进估计。上标数字不是向量的索引,而是一个标签,告诉我们beta向量是在算法的哪个阶段生成的


我希望这是有道理的。重要的一点是,每个值都是一个不同的20x1向量。

您能提供公式的来源吗?看起来,如果你使用整个20x1向量的beta系数,那么维度将起作用。我一点也不清楚
k
的含义来自于您所展示的内容。@myrtlecat done@myrtlecat是的,当我使用整个Beta向量时,维度起作用,但当我只取Beta值时,维度就不起作用了。谢谢,现在已经清楚了。我很清楚,你应该使用整个beta向量。我会在下面解释,但是如果没有乳胶,会有点难@桃金娘谢谢,你可以使用在线乳胶:你能提供配方的来源吗?看起来,如果你使用整个20x1向量的beta系数,那么维度将起作用。我一点也不清楚
k
的含义来自于您所展示的内容。@myrtlecat done@myrtlecat是的,当我使用整个Beta向量时,维度起作用,但当我只取Beta值时,维度就不起作用了。谢谢,现在已经清楚了。我很清楚,你应该使用整个beta向量。我会在下面解释,但是如果没有乳胶,会有点难@桃金娘谢谢,您可以使用在线乳胶: