最小二乘法:三种变形

最新推荐文章于 2025-10-21 12:05:52 发布

原创最新推荐文章于 2025-10-21 12:05:52 发布 · 2.5k 阅读

·

3

·

CC 4.0 BY-SA版权

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。

统计与ML 同时被 2 个专栏收录

7 篇文章

订阅专栏

5 篇文章

订阅专栏

本文探讨了最小二乘法的基本原理及其在处理数据时的应用，进一步介绍了加权最小二乘法，强调了在误差不均匀时使用加权的重要性。权重通常依据数据的精度设定，误差小的数据权重更大。此外，还提到了迭代加权最小二乘法（IRLS）作为优化策略。内容涵盖了误差处理、数据精度和迭代优化等方面。

普通的最小二乘法

在这里插入图片描述

加权最小二乘法

在这里插入图片描述
另一种推导：

常用的一些权重：

这些权重基本的特征是：低误差（高精度），权重大；高误差（低精度），权重小。

迭代

在这里插入图片描述

参考：
最小二乘、加权最小二乘（WLS）、迭代加权最小二乘（迭代重加全最小二乘）（IRLS）

加权最小二乘法

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。