知识卡片

普通读书笔记卡 · 8092.j · 生成模型:未记录

直线系数依赖横坐标的离散度

理解等级:中级

直线最小二乘系数可写:

b1=(nΣxiyi−ΣxiΣyi)/(nΣxi²−(Σxi)²),b0=(Σyi−b1Σxi)/n。

等价地,斜率为Σ(xi−x̄)(yi−ȳ)/Σ(xi−x̄)²,截距为ȳ−b1x̄。需要n>0且横坐标不全相同,才有非零分母并能确定唯一斜率;所有x相同并不能由该式可靠返回一条唯一拟合线。NIST直线最小二乘(2026-11-06核验中心化公式)。

02996九点汇总Σx=−0.5、Σy=−0.5、Σx²=64.75、Σxy=35.75,得到b1≈0.5519、b0≈−0.0249。02995最后把b0写成正0.0249是符号笔误,正文y≈0.5519x−0.0249与公式一致。

235⁄02999 sumx/sumy/sumx2/sumxy初始化0,循环累计x、y、pow(x,2)、x*y;斜率以sumxy−sumx*sumy/n除以sumx2−sumx²/n,截距(sumy−b1*sumx)/n。正常非退化时与233公式等价,没有额外异常输入分支。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 2 处

    • · 查看原书依据

      b1和b0的估计值,使得y(x)是n个点(x0,y0),……,(xn-1,yn-1)的最佳拟合线。最佳拟合线采用最小二乘估计法来最小化点(xi,yi)(i=0,……,n-1)同对应点(xi,y(xi))之间的垂直平方距离之和。在这种定义下,每个点(xi,yi)都会尽可能靠近这条线段,因而称为最佳拟合

    • · 查看原书依据

      sumx2与sumxy(见示例13-2)。一旦完成了计算,接下来就用前面介绍过的公式来计算b1和b0。 函数lsqe的时间复杂度为O(n),这是因为该函数只有一个循环,需要遍历n次才能得出求和的结果,这里n是点集中元素的个数。 示例13-2:最小二乘估计的实现

    参考来源

    - 位置:《算法精解:C语言描述》第13章《最小二乘估计法》(spine1363;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part1329.html;u233-ch13-011)。 - 结论依据:233全部公式/数值解释与02994–02996完整图片逐项实读,表四列和四个汇总值核对;NIST原始中心化公式补核非退化条件,未冒称本轮执行拟合结果。 - 原始内容:b1和b0的估计值,使得y(x)是n个点(x0,y0),……,(xn-1,yn-1)的最佳拟合线。最佳拟合线采用最小二乘估计法来最小化点(xi,yi)(i=0,……,n-1)同对应点(xi,y(xi))之间的垂直平方距离之和。在这种定义下,每个点(xi,yi)都会尽可能靠近这条线段,因而称为最佳拟合 - 位置:《算法精解:C语言描述》第13章《最小二乘估计的实现和分析》(spine1365;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part1331.html;u235-ch13-011)。 - 结论依据:235/02999 sumx/sumy/sumx2/sumxy初始化0,循环累计x、y、pow(x,2)、x*y;斜率以sumxy−sumx*sumy/n除以sumx2−sumx²/n,截距(sumy−b1*sumx)/n。正常非退化时与233公式等价,没有额外异常输入分支。 - 原始内容:sumx2与sumxy(见示例13-2)。一旦完成了计算,接下来就用前面介绍过的公式来计算b1和b0。 函数lsqe的时间复杂度为O(n),这是因为该函数只有一个循环,需要遍历n次才能得出求和的结果,这里n是点集中元素的个数。 示例13-2:最小二乘估计的实现