Matlab中最小二乘法参数估计
我有以下问题: 考虑一组方程<代码> y= AX+B<代码>,在这里我知道Y和X,并希望用最小二乘法估计<代码> A<代码>代码> B>代码>。 让我们假设有Matlab中最小二乘法参数估计,matlab,least-squares,Matlab,Least Squares,我有以下问题: 考虑一组方程 y= AX+B,在这里我知道Y和X,并希望用最小二乘法估计 A代码> B>代码>。 让我们假设有Y=[y1;y2]和 A=[x11;x21]因此Y=A*[A;b] 根据最小二乘法: B=[a;B]=(转置(a)*a)^-1*转置(a)*Y (A'*A)\A'*Y和A\Y是相同的吗 哪种方法是计算B的最佳方法: inv(转置(A)*A)*转置(A)*Y (转置(A)*A)\transpose(A)*Y (A'*A)\A'*Y pinv(A)*Y(计算伪逆矩阵) 所有这
Y=[y1;y2]
和A=[x11;x21]
因此Y=A*[A;b]
根据最小二乘法:
B=[a;B]=(转置(a)*a)^-1*转置(a)*Y
(A'*A)\A'*Y
和A\Y
是相同的吗inv(转置(A)*A)*转置(A)*Y
(转置(A)*A)\transpose(A)*Y
(A'*A)\A'*Y
pinv(A)*Y
(计算伪逆矩阵)所有这些给出的结果稍有不同在解决您的疑问之前,必须进行备注。当您要使用速记运算符转置矩阵时。。。您不应该使用
”
,而应该使用“
。第一个是的速记运算符,而第二个是用于的正确速记运算符。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打乱您的计算
由于您没有提供数据示例,以下是我为测试部署的设置:
Y = [2; 4];
A = [3 1; 7 1];
现在,让我们一步一步走。关于你的第一个答案,是的,从数学的角度来看,这两个运算是等价的,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
您所看到的细微差异是由于INV(A)*b
不如A\b
准确,如果您将调用INV
函数的鼠标悬停在乘法之后(应以橙色警告突出显示标记),即使是Matlab代码解释器也会清楚地说明这一点:
这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,因为建议避免使用它。我们开始:
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精确度。。。第一个是目前为止最快的