线性代数MIT 18.06 记录（十六）投影矩阵和最小二乘

最新推荐文章于 2022-10-06 22:25:04 发布

qdmoxf

最新推荐文章于 2022-10-06 22:25:04 发布

阅读量480

点赞数

CC 4.0 BY-SA版权

分类专栏：线性代数文章标签：线性代数机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_41075215/article/details/104914015

线性代数专栏收录该内容

19 篇文章

订阅专栏

本文深入探讨投影矩阵的概念，包括特殊情况下的投影行为，如当向量位于矩阵的列空间或与其垂直时的情况。此外，还讨论了投影矩阵的一般性质，如对称性和平方不变性，并介绍了如何通过最小化误差来寻找最佳投影，特别关注离群值的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

投影矩阵

在这里插入图片描述

特殊情况

我们考虑上面这个特殊情况，可以看到，如果b在A的列空间内，那么投影就是自己，如果b垂直于A，那么投影就是零，这都很好证明

**注：**A的列空间的线性组合可以表示为 $A x$ ，同理，行的线性组合可以表示为 $x A$

一般情况

在这里插入图片描述
这里可以看到，P是一个投影矩阵，I-P也是，它是指定平面对角平面的投影矩阵，对称性，平方不变性依旧满足

应用

问题描述

在这里插入图片描述

找到最优解

首先，定义误差：
在这里插入图片描述
找到这个的最小值就好啦

离群量outliners：坏的数据

解下面的方程：

另一个角度：
在这里插入图片描述

下面的方程，就是上面分别对C和D求偏导，太牛逼了

殊途同归

最终结构

在这里插入图片描述

重要事实

在这里插入图片描述
只有 $A^TA$ 可逆，才有上面的故事

巧妙的证明方法
在这里插入图片描述

下节课，标准正交化

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。