stepwise算法

本文介绍了stepwise算法在逐步回归中的应用,通过sweep变换解析了如何处理交叉矩阵,详细阐述了矩阵分解和变量扩充的过程。在算法实现部分,展示了如何在代码中调整阈值策略,并提到了Bennett不等式在其中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

原始的交叉矩阵的q行q列进行sweep变换:
原始的交叉矩阵的q行q列进行sweep变换
可以看到sweep之后,原本叉乘矩阵的位置变成了它的逆矩阵,而第一行residueSS向量的第0个元素表示的是RSSq,剩下的表示的是系数。
如果我们想将q个变量扩充成q+1个变量,可以参考下图:
sweep变换
首先将Z分解为两部分: Z=Z1+Z2 ,
Z1=(IH)ZZ2=HZ
其中Z1表示新加变量 Z的垂直于 s

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值