知识卡片

普通读书笔记卡 · 9844.h · 生成模型:Hunyuan

岭回归:给XT X加上kI

理解等级:高级

岭回归针对 XT X 接近奇异(|XT X|≈0)的共线性问题:给 XT X 加上一个参数矩阵 kI(I 为与样本维度相同的单位阵,k>0),得到 XT X+kI,它离奇异的程度比 XT X 小得多;考虑量纲时先标准化数据,X 仍表示标准化矩阵。此时 A(k)=(XT X+kI)^-1 XT Y 称为岭回归估计,k 是岭参数。k=0 时 A(0) 退化为普通最小二乘估计;k>0 时 A(k) 是有偏估计,也是最小二乘估计的一个线性变换。由于 k 在一个区间内变动,A(k) 实际是一族估计。用均方误差衡量时有 MSE(A(k))(A(0)):在 X 存在近似共线性的整体上,有偏的岭估计比最小二乘更稳定。

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 · 1 处

    • 第7章 预测的技术与哲学 · 查看原书依据

      如果矩阵的随机变量间存在多重共线性,即|XT X|≈0时,我们可以给XXX加上一个参数矩阵kI(I是与样本维度相同的单位阵,k-0),那么XT X+kI接近奇异的程度就会比XXX接近奇异的程度小得多。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第7章 预测的技术与哲学(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00025.html) - 结论依据:原文给出 XT X+kI 的构造、A(k) 的定义、k=0 退化为最小二乘、有偏估计与估计族,以及 MSE(A(k))<MSE(A(0)) 的稳定性结论,支撑这段机制说明。 - 原始内容:如果矩阵的随机变量间存在多重共线性,即|XT X|≈0时,我们可以给XXX加上一个参数矩阵kI(I是与样本维度相同的单位阵,k-0),那么XT X+kI接近奇异的程度就会比XXX接近奇异的程度小得多。