几何和拓扑
Fakultät für Mathematik公司
慕尼黑理工大学

回归bezüglich beliebiger Basisfunktionen

Das eben beschriebene Verfahren lässt sich nicht nur auf lineare Regressions funktitonen an wenden公司。Man kann sich einen beliebigen Satz von Basisfunktionen先生

\[f_1(x)、f_2(x),\ldots、f_k(x)\]

vorgeben和nach einer Gewichtung$a_1,a_2,\ldots,a_k$suchen,so dass-für einen-gegebenen-Satz von$Daten$(x_i,y_i)$死Quadratsumme

\[\和{i=1}^n(f(x_i)-y_i)^2\]

最小wird,wobei die Funktion$f(x)$eine Linearkombination der Basisfunktionen ist:

\[f(x)=a_1f_1(x)+a_1f_1(x)+\cdots+a_kf_k(x)\]


我是folgenden Beispiel kann man sowohl die Datenbunkte als auch die Basisfunktionen弗伦登。Das Startbeispiel berechnet eine Regressionssparabel bezüglich der Basis$1$,$x$,$x2$。

Basis-Funktitonen durch Komma getrent eingeben公司:

Order Basisfunktionen durch Knopfdruck auswählen公司:


Die Berechnung erfolgt hierbei vollkommen模拟zum Berechnen der Regressionsgeraden zuvor。Mann bestimt zunächst eine矩阵$M$und einen矢量$y$gemäß:

\[M=\左(\矩阵{f1(x1)和f2(x1)f1(x_2)&f2(x_2)&\cdots&f_k(x_2)\cr\vdots&\ vdots&\ ddots&\ vdots \crf1(x_n)&f2(x_n)&\cdots&f_k(x_n)\cr}\右侧);\qquad y=左(矩阵{y_1\cry_2\cr\视频短片\cry_n\cr(y _ n \cr)}\右侧)\]

Die gesuchten Paramter ergeben sich dann durch Lösen des$k\times k$Gleichungssystems公司

\[M^TM\cdot a=M^Ty。\]

Wobei$a=(a_1,a_2,\ldots a_k)$der gesuchte Parametervektor ist。