Наименьшие квадраты

редактировать
Метод приближения в статистике Результат подгонки набора точек данных квадратичной функцией Коническая подгонка набора точек с использованием аппроксимации наименьших квадратов

Метод наименьших квадратов является стандартным подходом в регрессионном анализе для аппроксимации решения переопределенных систем (наборы уравнения, в которых уравнений больше, чем неизвестных) путем минимизации суммы квадратов остатков, полученных в результате каждого отдельного уравнения.

Наиболее важное приложение - подгонка данных. Наилучшее соответствие в смысле наименьших квадратов минимизирует сумму возведенных в квадрат остатков (остаток: разница между наблюдаемым значением и подобранным значением, предоставленным моделью). Когда проблема имеет существенные неопределенности в независимой переменной (переменной x), тогда возникают проблемы с простыми методами регрессии и наименьших квадратов; в таких случаях вместо метода наименьших квадратов можно использовать методологию, необходимую для подбора моделей ошибок в переменных.

Задачи наименьших квадратов делятся на две категории: линейные или обычные наименьшие квадраты и нелинейные наименьшие квадраты, в зависимости от того, являются ли невязки линейными по всем неизвестным. Проблема линейных наименьших квадратов возникает в статистическом регрессионном анализе ; у него есть закрытое решение. Нелинейная задача обычно решается итеративным уточнением; на каждой итерации система аппроксимируется линейной, поэтому расчет керна в обоих случаях одинаков.

Полиномиальный метод наименьших квадратов описывает дисперсию предсказания зависимой переменной как функцию независимой переменной и отклонения от подобранной кривой.

Когда наблюдения происходят из экспоненциального семейства и удовлетворяются мягкие условия, оценки методом наименьших квадратов и оценки максимального правдоподобия идентичны. Метод наименьших квадратов также может быть получен как метод оценки моментов.

Следующее обсуждение в основном представлено в терминах линейных функций, но использование наименьших квадратов допустимо и практично для более общих семейств функций. Кроме того, итеративно применяя локальную квадратичную аппроксимацию к правдоподобию (через информацию Фишера ), можно использовать метод наименьших квадратов для аппроксимации обобщенной линейной модели.

Метод наименьших квадратов: обычно приписывается Карлу Фридриху Гауссу (1795), но впервые он был опубликован Адрианом-Мари Лежандром (1805).

Содержание

  • 1 История
    • 1.1 Основание
    • 1.2 Метод
  • 2 Постановка проблемы
  • 3 Ограничения
  • 4 Решение задачи наименьших квадратов
    • 4.1 Линейный метод наименьших квадратов
    • 4.2 Нелинейный метод наименьших квадратов
    • 4.3 Различия между линейным и нелинейный метод наименьших квадратов
  • 5 Регрессионный анализ и статистика
  • 6 Взвешенный метод наименьших квадратов
  • 7 Отношение к основным компонентам
  • 8 Регуляризация
    • 8.1 Регуляризация Тихонова
    • 8.2 Метод лассо
  • 9 См. также
  • 10 Ссылки
  • 11 Дополнительная литература
  • 12 Внешние ссылки

История

Основание

Метод наименьших квадратов вырос из области астрономии и геодезия, поскольку ученые и математики стремились найти решения проблем навигации по океанам Земли во время эпохи исследований. Точное описание поведения небесных тел было ключом к тому, чтобы корабли могли плавать в открытом море, где моряки больше не могли полагаться на наземные наблюдения для навигации.

Этот метод стал кульминацией нескольких достижений, имевших место в течение восемнадцатого века:

  • Комбинация различных наблюдений как наилучшая оценка истинной ценности; ошибки уменьшаются с агрегированием, а не увеличиваются, что, возможно, впервые было выражено Роджером Котсом в 1722 году.
  • Комбинация различных наблюдений, сделанных в одинаковых условиях, вопреки простому стремлению изо всех сил наблюдать и записывать разовое наблюдение точно. Этот подход был известен как метод средних значений. Этот подход особенно использовался Тобиасом Майером при изучении либраций Луны в 1750 году, а также Пьером-Симоном Лапласом в его работе по объяснению различий в движение Юпитера и Сатурна в 1788 году.
  • Комбинация различных наблюдений, сделанных в разных условиях. Этот метод стал известен как метод наименьшего абсолютного отклонения. В частности, это было выполнено Роджером Джозефом Босковичем в его работе о форме земли в 1757 году и Пьером-Симоном Лапласом в той же задаче в 1799 году.
  • Разработка критерия, который может быть оценен, чтобы определить, когда было достигнуто решение с минимальной ошибкой. Лаплас попытался определить математическую форму плотности вероятности для ошибок и определить метод оценки, который минимизирует ошибку оценки. Для этой цели Лаплас использовал симметричное двустороннее экспоненциальное распределение, которое мы теперь называем распределением Лапласа для моделирования распределения ошибок, и использовал сумму абсолютных отклонений в качестве ошибки оценки. Он чувствовал, что это самые простые предположения, которые он мог сделать, и надеялся получить среднее арифметическое как наилучшую оценку. Вместо этого его оценкой была апостериорная медиана.

Метод

Карл Фридрих Гаусс

Первое четкое и краткое изложение метода наименьших квадратов было опубликовано Лежандром в 1805 году. описывается как алгебраическая процедура подгонки линейных уравнений к данным, а Лежандр демонстрирует новый метод, анализируя те же данные, что и Лаплас, для формы Земли. Ценность метода наименьших квадратов Лежандра была немедленно признана ведущими астрономами и геодезистами того времени.

В 1809 Карл Фридрих Гаусс опубликовал свой метод расчета орбит небесных тел. В этой работе он утверждал, что владеет методом наименьших квадратов с 1795 года. Это, естественно, привело к спору о приоритете с Лежандром. Однако, к чести Гаусса, он вышел за рамки Лежандра и сумел связать метод наименьших квадратов с принципами вероятности и нормальным распределением. Ему удалось завершить программу Лапласа по определению математической формы плотности вероятности для наблюдений, зависящей от конечного числа неизвестных параметров, и определить метод оценки, который минимизирует ошибку оценки. Гаусс показал, что среднее арифметическое действительно является наилучшей оценкой параметра местоположения, изменив как плотность вероятности, так и метод оценки. Затем он решил проблему, задав вопрос, какую форму должна иметь плотность и какой метод оценки следует использовать, чтобы получить среднее арифметическое значение в качестве оценки параметра местоположения. В этой попытке он изобрел нормальное распределение.

Ранняя демонстрация силы метода Гаусса произошла, когда он использовался для предсказания будущего местоположения недавно открытого астероида Церера. 1 января 1801 года итальянский астроном Джузеппе Пьяцци открыл Цереру и смог проследить ее путь в течение 40 дней, прежде чем она затерялась в ярком солнечном свете. Основываясь на этих данных, астрономы хотели определить местоположение Цереры после того, как она появилась из-за Солнца, не решая сложных нелинейных уравнений движения планет Кеплера. Единственные предсказания, которые позволили венгерскому астроному Францу Ксаверу фон Заку переместить Цереру, были сделаны 24-летним Гауссом с использованием анализа наименьших квадратов.

В 1810 году, после прочтения работы Гаусса, Лаплас, после доказательства центральной предельной теоремы, использовал ее для обоснования большой выборки метода наименьших квадратов и нормального распределения. В 1822 году Гаусс смог заявить, что подход наименьших квадратов к регрессионному анализу является оптимальным в том смысле, что в линейной модели, где ошибки имеют нулевое среднее значение, некоррелированы и имеют равные дисперсии, наилучшая линейная несмещенная оценка коэффициенты - это оценка методом наименьших квадратов. Этот результат известен как теорема Гаусса – Маркова.

Идея анализа наименьших квадратов была также независимо сформулирована американцем Робертом Адрейном в 1808 году. В последующие два столетия работники теории ошибок и в статистике обнаружено много различных способов реализации метода наименьших квадратов.

Постановка проблемы

Цель состоит в настройке параметров модельной функции для наилучшего соответствия набору данных. Простой набор данных состоит из n точек (пар данных) (xi, yi) {\ displaystyle (x_ {i}, y_ {i}) \!}(x_ {i}, y_ {i}) \! , i = 1,..., n, где xi {\ displaystyle x_ {i} \!}x_{i}\!- независимая переменная и yi {\ displaystyle y_ {i} \!}y_ {i} \! - это зависимая переменная, значение которой определяется путем наблюдения. Модельная функция имеет вид f (x, β) {\ displaystyle f (x, \ beta)}f (x, \ beta) , где m настраиваемых параметров хранятся в векторе β {\ displaystyle { \ boldsymbol {\ beta}}}{\ boldsymbol {\ beta}} . Цель состоит в том, чтобы найти значения параметров для модели, которые "наилучшим образом" соответствуют данным. Подгонка модели к точке данных измеряется ее невязкой, определяемой как разница между фактическим значением зависимой переменной и значением, предсказанным моделью:

ri = yi - f ( xi, β). {\ displaystyle r_ {i} = y_ {i} -f (x_ {i}, {\ boldsymbol {\ beta}}).}r_ {i} = y_ {i} -f (x_ {i}, {\ boldsymbol \ beta}). Остатки наносятся на соответствующий x {\ displaystyle x}x значений. Случайные колебания около ri = 0 {\ displaystyle r_ {i} = 0}{\ displaysty ле r_ {я} = 0} указывают на то, что подходит линейная модель.

Метод наименьших квадратов находит оптимальные значения параметров, минимизируя сумму, S {\ displaystyle S}S , квадратов остатков:

S = ∑ i = 1 nri 2. {\ displaystyle S = \ sum _ {i = 1} ^ {n} r_ {i} ^ {2}.}{\ displaystyle S = \ sum _ {i = 1} ^ {n} r_ {i} ^ {2}.}

Примером двухмерной модели является модель с прямой линией. Обозначив точку пересечения оси Y как β 0 {\ displaystyle \ beta _ {0}}\ beta _ { 0} , а наклон как β 1 {\ displaystyle \ beta _ {1}}\ beta _ {1} , модельная функция задается следующим образом: f (x, β) = β 0 + β 1 x {\ displaystyle f (x, {\ boldsymbol {\ beta}}) = \ beta _ {0} + \ бета _ {1} x}f (x, \ boldsymbol \ beta) = \ beta_0 + \ beta_1 x . См. линейный метод наименьших квадратов для получения полностью разработанного примера этой модели.

Точка данных может состоять из более чем одной независимой переменной. Например, при подгонке плоскости к набору измерений высоты плоскость является функцией двух независимых переменных, скажем, x и z. В наиболее общем случае в каждой точке данных может быть одна или несколько независимых переменных и одна или несколько зависимых переменных.

Справа - остаточный график, иллюстрирующий случайные колебания около ri = 0 {\ displaystyle r_ {i} = 0}{\ displaysty ле r_ {я} = 0} , что указывает на то, что линейная модель (Y i = α + β xi + U i) {\ displaystyle (Y_ {i} = \ alpha + \ beta x_ {i} + U_ {i})}{\ displaystyle (Y_ {i} = \ alpha + \ beta x_ {i} + U_ {i})} подходит. U i {\ displaystyle U_ {i}}U_ {i} - независимая случайная величина.

Остатки наносятся на график против соответствующего x {\ displaystyle x}x ценности. Параболическая форма колебаний около ri = 0 {\ displaystyle r_ {i} = 0}{\ displaysty ле r_ {я} = 0} указывает на то, что подходит параболическая модель.

Если остаточные точки имели некоторую форму и не колеблются случайно, линейная модель не подходит. Например, если остаточный график имел параболическую форму, если смотреть справа, параболическая модель (Y i = α + β xi + γ xi 2 + U i) {\ displaystyle (Y_ {i} = \ alpha + \ beta x_ {i} + \ gamma x_ {i} ^ {2} + U_ {i})}{\ displaystyle (Y_ {i} = \ alpha + \ beta x_ {i} + \ gamma x_ {i} ^ {2} + U_ {i})} подходит для данных. Невязки для параболической модели могут быть вычислены с помощью ri = yi - α ^ - β ^ xi - γ ^ xi 2 {\ displaystyle r_ {i} = y_ {i} - {\ hat {\ alpha}} - {\ hat {\ beta}} x_ {i} - {\ widehat {\ gamma}} x_ {i} ^ {2}}{\ displaystyle r_ {i} = y_ {i} - {\ hat {\ alpha}} - {\ hat {\ beta}} x_ {i} - {\ widehat {\ gamma}} x_ {i} ^ {2}} .

Ограничения

Эта формулировка регрессии учитывает только ошибки наблюдения в зависимой переменная (но альтернативная регрессия методом наименьших квадратов может учитывать ошибки в обеих переменных). Есть два довольно разных контекста с разными значениями:

  • Регрессия для прогнозирования. Здесь модель подбирается для обеспечения правила прогнозирования для применения в аналогичной ситуации, к которой применяются данные, используемые для подгонки. Здесь зависимые переменные, соответствующие такому будущему применению, будут подвержены тем же типам ошибок наблюдения, что и в данных, используемых для подгонки. Следовательно, логически согласовано использование правила прогнозирования наименьших квадратов для таких данных.
  • Регрессия для подбора «истинного отношения». В стандартном регрессионном анализе , который приводит к аппроксимации методом наименьших квадратов, неявно предполагается, что ошибки в независимой переменной равны нулю или строго контролируются, чтобы ими можно было пренебречь. Когда ошибки в независимой переменной нельзя пренебречь, можно использовать модели погрешности измерения ; такие методы могут привести к оценкам параметров, проверке гипотез и доверительным интервалам, которые учитывают наличие ошибок наблюдения в независимых переменных. Альтернативный подход - подобрать модель по общему количеству наименьших квадратов ; это можно рассматривать как прагматический подход к уравновешиванию эффектов различных источников ошибок при формулировании целевой функции для использования при подгонке модели.

Решение задачи наименьших квадратов

Минимум суммы квадратов находится путем установки градиента на ноль. Поскольку модель содержит m параметров, существует m уравнений градиента:

∂ S ∂ β j = 2 ∑ iri ∂ ri ∂ β j = 0, j = 1,…, m, {\ displaystyle {\ frac {\ partial S} {\ partial \ beta _ {j}}} = 2 \ sum _ {i} r_ {i} {\ frac {\ partial r_ {i}} {\ partial \ beta _ {j}}} = 0, \ j = 1, \ ldots, m,}{\ displaystyle {\ frac {\ partial S} {\ partial \ beta _ {j} }} = 2 \ sum _ {i} r_ {i} {\ frac {\ partial r_ {i}} {\ partial \ beta _ {j}}} = 0, \ j = 1, \ ldots, m,}

и поскольку ri = yi - f (xi, β) {\ displaystyle r_ {i} = y_ {i} -f (x_ {i}, { \ boldsymbol {\ beta}})}r_i = y_i-f (x_i, \ boldsymbol \ beta) , уравнения градиента принимают вид

- 2 ∑ iri ∂ f (xi, β) ∂ β j = 0, j = 1,…, m. {\ displaystyle -2 \ sum _ {i} r_ {i} {\ frac {\ partial f (x_ {i}, {\ boldsymbol {\ beta}})} {\ partial \ beta _ {j}}} = 0, \ j = 1, \ ldots, m.}-2 \ sum _ {i} r_ { i} {\ frac {\ partial f (x_ {i}, {\ boldsymbol \ beta})} {\ partial \ beta _ {j}}} = 0, \ j = 1, \ ldots, m.

Уравнения градиента применимы ко всем задачам наименьших квадратов. Каждая конкретная проблема требует определенных выражений для модели и ее частных производных.

Линейный метод наименьших квадратов

Модель регрессии является линейной, если модель содержит линейную комбинацию из параметры, т. е.

е (x, β) = ∑ j = 1 м β j ϕ j (x), {\ displaystyle f (x, \ beta) = \ sum _ {j = 1} ^ {m } \ beta _ {j} \ phi _ {j} (x),}f (x, \ beta) = \ sum _ {{j = 1}} ^ {m} \ beta _ {j} \ phi _ {j} (x),

где функция ϕ j {\ displaystyle \ phi _ {j}}\ phi _ {j} является функцией x {\ displaystyle x}x .

Пусть X ij = ϕ j (xi) {\ displaystyle X_ {ij} = \ phi _ {j} (x_ {i})}{\ displaystyle X_ {ij} = \ phi _ {j} (x_ {i})} и поместив независимые и зависимые переменные в матрицы X {\ displaystyle X}X и Y {\ displaystyle Y}Y , мы можем вычислить наименьшие квадраты следующим образом обратите внимание, что D {\ displaystyle D}D - это набор всех данных.

L (D, β →) = | | X β → - Y | | 2 знак равно (Икс β → - Y) T (Икс β → - Y) = YTY - YTX β → - β → TXTY + β → TXTX β → {\ Displaystyle L (D, {\ vec {\ beta}}) = || X {\ vec {\ beta}} - Y || ^ {2} = (X {\ vec {\ beta}} - Y) ^ {T} (X {\ vec {\ beta}} - Y) = Y ^ {T} YY ^ {T} X {\ vec {\ beta}} - {\ vec {\ beta}} ^ {T} X ^ {T} Y + {\ vec {\ beta}} ^ {T } X ^ {T} X {\ vec {\ beta}}}{\ displaystyle L (D, {\ vec {\ beta}}) = || X {\ vec {\ beta}} - Y | | ^ {2} = (X {\ vec {\ beta}} - Y) ^ {T} (X {\ vec {\ beta}} - Y) = Y ^ {T} YY ^ {T} X {\ vec {\ beta}} - {\ vec {\ beta}} ^ {T} X ^ {T} Y + {\ vec {\ beta}} ^ {T} X ^ {T} X {\ vec {\ beta} }}

Найти минимум можно, установив градиент потерь на ноль и решив для β → {\ displaystyle {\ vec {\ beta}}}{\ vec {\ beta}}

∂ L (D, β →) ∂ β → = ∂ (YTY - YTX β → - β → TXTY + β → TXTX β →) ∂ β → = - 2 XTY + 2 XTX β → { \ Displaystyle {\ frac {\ partial L (D, {\ vec {\ beta}})} {\ partial {\ vec {\ beta}}}} = {\ frac {\ partial \ left (Y ^ {T} YY ^ {T} X {\ vec {\ beta}} - {\ vec {\ beta}} ^ {T} X ^ {T} Y + {\ vec {\ beta}} ^ {T} X ^ {T} X {\ vec {\ beta}} \ right)} {\ partial {\ vec {\ beta}}}} = - 2X ^ {T} Y + 2X ^ {T} X {\ vec {\ beta}}}{\ displaystyle {\ frac {\ partial L (D, {\ vec {\ beta}})} {\ partial {\ vec {\ beta}}}} = {\ frac {\ partial \ left (Y ^ {T} YY ^ {T} X {\ vec {\ beta}} - {\ vec {\ beta}} ^ {T} X ^ {T} Y + {\ vec {\ beta}} ^ {T} X ^ {T} X { \ vec {\ beta}} \ right)} {\ partial {\ vec {\ beta}}}} = - 2X ^ {T} Y + 2X ^ {T} X {\ vec {\ beta}}}

Наконец, установив градиент потерь на ноль и решив для β → {\ displaystyle {\ vec {\ beta}}}{\ vec {\ beta}} , мы получим:

- 2 XTY + 2 XTX β → = 0 ⇒ XTY = XTX β → ⇒ β ^ → = (XTX) - 1 XTY {\ displaystyle -2X ^ {T} Y + 2X ^ {T} X {\ vec {\ beta}} = 0 \ Rightarrow X ^ {T} Y = X ^ {T} X {\ vec {\ beta}} \ Rightarrow {\ vec {\ hat {\ beta}}} = (X ^ {T} X) ^ {- 1} X ^ {T} Y}{\ displaystyle -2X ^ {T} Y + 2X ^ {T} X {\ vec {\ beta}} = 0 \ Rightarrow X ^ {T} Y = X ^ {T} X {\ vec {\ beta}} \ Rightarrow {\ vec {\ hat {\ beta}}} = (X ^ {T} X) ^ {- 1} X ^ {T} Y}

Нелинейный метод наименьших квадратов

В некоторых случаях существует решение в замкнутой форме нелинейной задачи наименьших квадратов, но в целом его нет. В случае отсутствия решения в закрытой форме используются численные алгоритмы для нахождения значения параметров β {\ displaystyle \ beta}\ beta , которое минимизирует цель. Большинство алгоритмов включают выбор начальных значений параметров. Затем параметры уточняются итеративно, то есть значения получаются последовательным приближением:

β jk + 1 = β jk + Δ β j, {\ displaystyle {\ beta _ {j}} ^ {k + 1 } = {\ beta _ {j}} ^ {k} + \ Delta \ beta _ {j},}{\ beta _ {j}} ^ {{k + 1}} = {\ beta _ {j}} ^ {k} + \ Delta \ beta _ {j},

где верхний индекс k - номер итерации, а вектор приращений Δ β j {\ displaystyle \ Delta \ beta _ {j}}\ Delta \ beta _ {j} называется вектором сдвига. В некоторых часто используемых алгоритмах на каждой итерации модель может быть линеаризована путем приближения к разложению ряда Тейлора первого порядка около β k {\ displaystyle {\ boldsymbol {\ beta}} ^ {k }}{\ boldsymbol \ beta} ^ {k} :

f (xi, β) = fk (xi, β) + ∑ j ∂ f (xi, β) ∂ β j (β j - β jk) = fk (xi, β) + ∑ j J ij Δ β j. {\ displaystyle {\ begin {align} f (x_ {i}, {\ boldsymbol {\ beta}}) = f ^ {k} (x_ {i}, {\ boldsymbol {\ beta}}) + \ sum _ {j} {\ frac {\ partial f (x_ {i}, {\ boldsymbol {\ beta}})} {\ partial \ beta _ {j}}} \ left (\ beta _ {j} - {\ beta _ {j}} ^ {k} \ right) \\ = f ^ {k} (x_ {i}, {\ boldsymbol {\ beta}}) + \ sum _ {j} J_ {ij} \, \ Delta \ beta _ {j}. \ End {align}}}{\ displaystyle {\ begin {align} f (x_ {i}, {\ boldsymbol {\ beta}}) = f ^ {k} (x_ {i}, {\ boldsymbol { \ beta}}) + \ sum _ {j} {\ frac {\ partial f (x_ {i}, {\ boldsymbol {\ beta}})} {\ partial \ beta _ {j}}} \ left (\ beta _ {j} - {\ beta _ {j}} ^ {k} \ right) \\ = f ^ {k} (x_ {i}, {\ boldsymbol {\ beta}}) + \ sum _ { j} J_ {ij} \, \ Delta \ beta _ {j}. \ end {align}}}

Якобиан Jявляется функцией констант, независимой переменной и параметров, поэтому он изменяется от одной итерации к другой. Остатки определяются как

r i = y i - f k (x i, β) - ∑ k = 1 m J i k Δ β k = Δ y i - j = 1 m J i j Δ β j. {\ displaystyle r_ {i} = y_ {i} -f ^ {k} (x_ {i}, {\ boldsymbol {\ beta}}) - \ sum _ {k = 1} ^ {m} J_ {ik} \, \ Delta \ beta _ {k} = \ Delta y_ {i} - \ sum _ {j = 1} ^ {m} J_ {ij} \, \ Delta \ beta _ {j}.}{\ displaystyle r_ {i} = y_ {i} -f ^ {k} (x_ {i}, {\ boldsymbol {\ beta}}) - \ sum _ {k = 1} ^ {m} J_ { ik} \, \ Delta \ beta _ {k} = \ Delta y_ {i} - \ sum _ {j = 1} ^ {m} J_ {ij} \, \ Delta \ beta _ {j}.}

Чтобы минимизировать сумму квадратов ri {\ displaystyle r_ {i}}r_ {i} , уравнение градиента устанавливается равным нулю и решается для Δ β j {\ displaystyle \ Delta \ beta _ { j}}\ Delta \ beta _ {j} :

- 2 ∑ я знак равно 1 N J ij (Δ yi - ∑ k = 1 м J ik Δ β k) = 0, {\ displaystyle -2 \ sum _ {i = 1} ^ {n} J_ {ij} \ left (\ Delta y_ {i} - \ sum _ {k = 1} ^ {m} J_ {ik} \, \ Delta \ beta _ {k} \ right) = 0,}{\ displaystyle -2 \ sum _ {i = 1} ^ {n} J_ {ij} \ left (\ Delta y_ {i} - \ sum _ {k = 1} ^ {m} J_ {ik} \, \ Delta \ beta _ {k} \ right) = 0,}

которые при перестановке превращаются в m одновременных линейных уравнений, нормальные уравнения :

∑ i = 1 n ∑ k = 1 m J ij J ik Δ β k = ∑ i = 1 n J ij Δ yi (j = 1,…, м). {\ displaystyle \ sum _ {i = 1} ^ {n} \ sum _ {k = 1} ^ {m} J_ {ij} J_ {ik} \, \ Delta \ beta _ {k} = \ sum _ { i = 1} ^ {n} J_ {ij} \, \ Delta y_ {i} \ qquad (j = 1, \ ldots, m).}{\ displaystyle \ sum _ {i = 1} ^ {n} \ sum _ {k = 1} ^ {m} J_ {ij} J_ {ik} \, \ Delta \ beta _ {k } = \ sum _ {i = 1} ^ {n} J_ {ij} \, \ Delta y_ {i} \ qquad (j = 1, \ ldots, m).}

Нормальные уравнения записываются в матричной записи как

( JTJ) Δ β = JT Δ y. {\ displaystyle \ mathbf {(J ^ {T} J) \, \ Delta {\ boldsymbol {\ beta}} = J ^ {T} \, \ Delta y}. \,}{\ displaystyle \ mathbf {(J ^ { T} J) \, \ Delta {\ boldsymbol {\ beta}} = J ^ {T} \, \ Delta y}. \,}

Это определяющие уравнения алгоритма Гаусса – Ньютона.

Различия между линейным и нелинейным методом наименьших квадратов

  • Модельная функция f в LLSQ (линейный метод наименьших квадратов) представляет собой линейную комбинацию параметров вида f = X я 1 β 1 + Икс я 2 β 2 + ⋯ {\ displaystyle f = X_ {i1} \ beta _ {1} + X_ {i2} \ beta _ {2} + \ cdots}е = X_ {i1} \ beta_1 + X_ {i2} \ beta_2 + \ cdots Модель может представлять прямую линию, параболу или любую другую линейную комбинацию функций. В NLLSQ (нелинейный метод наименьших квадратов) лучше как функции, например β 2, e β x {\ displaystyle \ beta ^ {2}, e ^ {\ beta x}}\ beta ^ 2, e ^ { \ бета x} и т. Д. вперед. Если производные ∂ f / ∂ β j {\ displaystyle \ partial f / \ partial \ beta _ {j}}\ partial f / \ partial \ beta_j либо постоянны, либо зависят только от значений независимой переменной, модель линейна по параметрам. В противном случае модель будет нелинейной.
  • Требуются начальные значения для параметров, чтобы найти решение проблемы NLLSQ; Для LLSQ они не требуются.
  • Алгоритмы решения для NLLSQ часто требуют, чтобы якобиан мог быть вычислен аналогично LLSQ. Аналитические выражения для частных производных могут быть сложными. Если получить невозможно аналитические выражения, либо частные производные должны быть вычислены с помощью численного приближения, либо должна быть сделана оценка якобиана, часто с помощью конечных разностей.
  • Несходимость (неспособность алгоритма найти минимум) является обычным явлением в NLLSQ.
  • LLSQ является глобально вогнутым, поэтому несходимость не является проблемой.
  • Решение NLLSQ обычно представляет собой итеративный процесс, который должен быть завершен, когда критерий сходимости удовлетворен. Решения LLSQ могут быть вычислены с помощью специальных методов, как правило, с помощью таких методов, как метод Гаусса - Зейделя.
  • В решении LLSQ является уникальным, но в NLLSQ может быть несколько минимумов в сумме квадратов.
  • При условии, что ошибки не коррелируют с переменными-предикторами, LLSQ дает несмещенные оценки, но даже при этом условии оценки NLLSQ обычно смещены.

Эти особенности необходимо учитывать, когда ищется решение нелинейной задачи наименьших квадратов.

Регрессионный анализ и статистика

Метод наименьших квадратов часто используется для создания оценок и другой статистики. в регрессионном анализе.

Рассмотрим простой пример из физики. Пружина должна подчиняться закону Гука, который гласит, что растяжение пружины y пропорционально приложенной к ней силе F.

y = f (F, k) = k F {\ displaystyle y = f (F, k) = kF \!}y = f (F, k) = kF \!

составляет модель, где F - независимая переменная. Чтобы оценить силовую постоянную , k, мы проводим серию из n измерений разными силами для получения набора данных, (F i, yi), i = 1,…, n {\ displaystyle (F_ { i}, y_ {i}), \ i = 1, \ dots, n \!}(F_i, y_i), \ i = 1, \ dots, n \! , где y i - измеренное растяжение пружины. Каждое экспериментальное наблюдение будет содержать некоторую ошибку, ε {\ displaystyle \ varepsilon}\ varepsilon , поэтому мы можем указать эмпирическую модель для наших наблюдений,

y i = k F i + ε i. {\ displaystyle y_ {i} = kF_ {i} + \ varepsilon _ {i}. \,}y_i = kF_i + \ varepsilon_i. \,

Есть много методов, которые мы можем использовать для оценки неизвестного парка. Переопределенную систему с одним неизвестным и n уравнениями, мы оцениваем k, используя метод наименьших квадратов. Сумма квадратов, которую нужно минимизировать, равна

S = ∑ i = 1 n (yi - k F i) 2. {\ displaystyle S = \ sum _ {i = 1} ^ {n} (y_ {i} - kF_ {i}) ^ {2}.}{\ displaystyle S = \ sum _ {i = 1} ^ {n} (y_ {i} -kF_ {i}) ^ {2}.}

Дается оценка силовой постоянной k методом наименьших квадратов по

k ^ = ∑ i F iyi ∑ i F i 2. {\ displaystyle {\ hat {k}} = {\ frac {\ sum _ {i} F_ {i} y_ {i}} {\ sum _ {i} F_ {i} ^ {2}}}.}{\ displaystyle {\ hat {k}} = {\ frac {\ sum _ {i} F_ {i} y_ {i}} {\ sum _ {i} F_ {i} ^ {2}}}.}

Мы предполагаем, что приложение силы заставляет пружину расширяться. После получения силовой постоянной постоянной наименьших квадратов мы методом прогнозируем расширение по закону Гука.

Исследователь указывает эмпирическую модель в регрессионном анализе. Очень распространенной моделью является прямолинейная модель, которая используется для проверки наличия линейной зависимости между независимыми и зависимыми переменными. Переменные называются коррелированными, если существует линейная зависимость. не доказывает причинно-следственную связь, поскольку обе переменные могут быть коррелированы с другими, скрытыми переменными, или зависимая переменная может «обратить» причину независимых переменных, или переменные могут быть иным образом ложно коррелированы. Например, предположим, что существует корреляция между смертностью от утопления и объемом мороженого на определенном пляже. Тем не менее, как количество людей, идущих купаться, так и объем продаж мороженого увеличиваются по мере, как становится жарче, и, по-видимому, количество смертей от утопления коррелирует с людьми, идущими купаться. Возможно, увеличение числа пловцов приводит к увеличению числа других.

Для статистической проверки результатов необходимо сделать предположения о природе экспериментальных ошибок. Распространенным предположением является то, что принадлежат ошибки нормальному распределению. Центральная предельная теорема поддерживает идею о том, что это хорошее приближение во многих случаях.

  • Теорема Гаусса - Маркова. В линейной модели, в которой ошибки имеют математическое ожидание нулевое условие для независимых переменных, некоррелированы и имеют равные дисперсии, наилучшая линейная несмещенная оценка любая линейной комбинации наблюдений - ее оценка методом наименьших квадратов. «Наилучший» означает, что оценка методом наименьших квадратов имеют минимальную дисперсию. Предположение о равной дисперсии действительно, когда все ошибки принадлежат одному и тому же распределению.
  • В линейной модели, если ошибки принадлежат нормальному распределению, оценкой методом наименьших квадратов также являются оценками минимальных правдоподобия ошибки.

Однако, если не имеют нормального распределения, центральная предельная теорема , тем не менее, подразумевает, что оценки параметров будут обычно нормально распределены. По этой причине, учитывая важное свойство, заключающееся в том, что среднее значение ошибки не зависит от независимого распределения, распределения члена ошибки не является важным вопросом в регрессионном анализе. В частности, обычно не важно, следует ли член ошибки нормальному распределению.

При вычислении методом наименьших квадратов с единичными весами или в линейной регрессии дисперсия j-го прогноза, обозначаемая var ⁡ (β ^ j) {\ displaystyle \ operatorname {var} ({\ hat {\ beta }} _ {j})}\ operatorname {var} ({\ hat {\ beta}} _ {j}) , обычно оценивается как

var ⁡ (β ^ j) = σ 2 ([XTX] - 1) jj ≈ S n - m ([XTX] - 1) jj, {\ displaystyle \ operatorname {var} ({\ hat {\ beta}} _ {j}) = \ sigma ^ {2} ([X ^ {T} X] ^ {- 1}) _ {jj } \ приблизительно {\ frac {S} {nm}} ([X ^ {T} X] ^ {- 1}) _ {jj},}{\ displaystyle \ operatorname {var} ({\ hat {\ beta}} _ {j}) = \ sigma ^ {2} ([X ^ {T} X] ^ { -1}) _ {jj} \ приблизительно {\ frac {S} {nm}} ([X ^ {T} X] ^ {- 1}) _ {jj},}

где истинная погрешность ошибки σ заменяется на оценку, основанная на минимизированном значении основные функции суммы квадратов С. Знаменатель n - m представляет собой статистические степени свободы ; см. эффективные степени свободы для обобщений.

Если известно распределение вероятностей параметров или сделано асимптотическое приближение, доверительные границы может быть найден. Точно так же можно провести статистические тесты остатков, если распределение вероятностей остатков известно или признано. Мы можем получить вероятность вероятностей любой линейной комбинации зависимых чисел. Сделать вывод легко, если предположить, что ошибки следуют нормальному распределению, следовательно, подразумевая, что оценки параметров и остатки также будут нормально распределены в зависимости от независимых переменных.

Взвешенный метод наименьших квадратов

«Разветвление. "Эффект гетероскедастичности

Частный случай обобщенных наименьших квадратов, называемый взвешенных наименьших квадратов, возникает, когда все недиагональные элементы Ω (корреляционная матрица остатков) равны нулю; дисперсии наблюдений (по диагонали ковариационной матрицы) все еще могут быть неравными (гетероскедастичность ). Проще говоря, гетероскедастичность - это когда дисперсия Y i {\ displaystyle Y_ {i}}Y_ {i} от значений xi {\ displaystyle x_ {i}}x_{i}, в результате чего остаточный график создает эффект "разветвления" в сторону больших значений Y i {\ displaystyle Y_ {i}}Y_ {i} , как видно на остаточном графике, до права. С другой стороны, гомоскедастичность предполагает, что дисперсия Y i {\ displaystyle Y_ {i}}Y_ {i} и U i {\ displaystyle U_ {i}}U_ {i} равно.

Отношение к основному компоненту

Первый главный компонент о среднем значени и набора точек может быть представлена ​​той линией, которая наиболее приближается к точкам данных (как измерено на квадратном пространстве наибольшего сближения, т.е. перпендикулярно линии). Напротив, линейный метод наименьших квадратов пытается минимизировать расстояние только в направлении y {\ displaystyle y}y . Таким образом, хотя оба этих метода используют схожую метрику ошибки, метод наименьших квадратов - это метод, который обрабатывает одно измерение данных, как тогда PCA обрабатывает все измерения одинаково.

Регуляризация

Регуляризация Тихонова

В некоторых контекстах регуляризованная версия решений наименьших квадратов может быть предпочтительнее. Регуляризация Тихонова (или гребенчатая регрессия ) большее ограничение, которое ‖ β ‖ 2 {\ displaystyle \ | \ beta \ | ^ {2}}\ | \ beta \ | ^ 2 , L2-norm параметры времени не больше заданного значения. Точно так же он может решить неограниченную минимизацию штрафа методом наименьших квадратов с добавлением α ‖ β ‖ 2 {\ displaystyle \ alpha \ | \ beta \ | ^ {2}}\ alpha \ | \ beta \ | ^ 2 , где α {\ displaystyle \ alpha}\ alpha - константа (это лагранжева форма задачи с ограничениями). В контексте байесовского это эквивалентно помещению нормально распределенного предшествующего с нулевым средним в вектор параметров.

Метод лассо

Альтернативой регуляризованной версией наименьших квадратов является лассо (оператор наименьшего сжатия и выбора), который использует ограничение, которое ‖ β ‖ {\ displaystyle \ | \ beta \ |}{\ displaystyle \ | \ beta \ |} , L1-норма события параметров, не больше заданного значения. (Как и выше, это эквивалентно неограниченной минимизации штрафа методом наименьших квадратов с добавлением α ‖ β ‖ {\ displaystyle \ alpha \ | \ beta \ |}{\ displaystyle \ alpha \ | \ beta \ |} .) В Байесовский контекст, это эквивалентно помещению Лапласа априорного распределения с нулевым средним в вектор параметров. Проблема оптимизации может быть решена с использованием квадратичного программирования или более общих методов выпуклой оптимизации, а также с помощью конкретных алгоритмов, таких как алгоритм регрессии по наименьшему району.

Одно из основных различий между регрессией лассо и гребневой регрессии состоит в том, что в регрессии гребня при увеличении штрафа все параметры уменьшаются, но все еще остаются ненулевыми, в то время как в лассо увеличение штрафа приводит к большему и больше параметров нужно свести к нулю. Это преимущество лассо перед регрессией гребня, так как приведение параметров к нулю отменяет выбор объектов из регрессии. Таким образом, Lasso автоматически выбирает более релевантные функции и отбрасывает другие, тогда как регрессия Ridge никогда полностью не отбрасывает какие-либо функции. Некоторые методы выбора функций разработаны на основе LASSO, включая Bolasso, который загружает образцы, и FeaLect, который анализирует коэффициенты регрессии, соответствующие различным значениям α {\ displaystyle \ alpha}\ alpha для оценки всех функций.

L-регуляризованная формулировка полезна в некоторых контекстах из-за ее тенденции предпочитать решения, в которых больше параметров равно нулю, что дает решения, которые зависят от меньшего числа переменных. По этой причине лассо и его варианты являются основополагающими в области сжатого зондирования. Расширением этого подхода является эластичная чистая регуляризация.

См. Также

Ссылки

Дополнительная литература

  • Björck, Å. (1996). Численные методы решения задач наименьших квадратов. СИАМ. ISBN 978-0-89871-360-2.
  • Кария, Т.; Курата, Х. (2004). Обобщенные наименьшие квадраты. Хобокен: Вайли. ISBN 978-0-470-86697-9.
  • Люенбергер, Д. Г. (1997) [1969]. «Оценка методом наименьших квадратов». Оптимизация методов использования пространства. Нью-Йорк: Джон Вили и сыновья. С. 78–102. ISBN 978-0-471-18117-0.
  • Рао, К. Р. ; ; и другие. (2008). Линейные модели: метод наименьших квадратов и альтернативы. Серия Спрингера в статистике (3-е изд.). Берлин: Springer. ISBN 978-3-540-74226-5.
  • Вольберг, Дж. (2005). Анализ данных с использованием метода наименьших квадратов: извлечение максимальной информации из экспериментов. Берлин: Springer. ISBN 978-3-540-25674-8.

Внешние ссылки

  • СМИ, связанные с методом наименьших квадратов на Wikimedia Commons
Последняя правка сделана 2021-05-26 04:24:30
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте