矩陣求導解析(內含最小二乘法解的例子分析)

2021-08-21 01:15:36 字數 1898 閱讀 9843

x 為向量,則預設 x

x 為列向量, xtxt

為行向量

y 、分母 x

x 是行向量還是列向量。

y 或者分母為 xtxt

(即,分子為列向量或者分母為行向量)

分母布局(denominator-layout): 分子為 ytyt

或者分母為 x

x (即,分子為行向量或者分母為列向量)

向量/標量:

向量/向量:

標量/矩陣:

矩陣/標量:

向量/標量:

向量/向量:

標量/矩陣:

−xw)

t(y−

xw)∂

w∂(y−xw)t(y−xw)∂wy、

wy、w

為列向量,x

x為矩陣

u(w)∗v(w)

的形式,這種形式一般求導較為複雜,因此為了簡化運算,我們先把式子展開成下面的樣子(注意:(xw

)t=w

txt(xw)t=wtxt

): (yt

y−yt

xw−w

txty

+wtx

txw)

∂w∂(yty−ytxw−wtxty+wtxtxw)∂wyt

y∂w−

∂ytx

w∂w−

∂wtx

ty∂w

+∂wt

xtxw

∂w∂yty∂w−∂ytxw∂w−∂wtxty∂w+∂wtxtxw∂wyt

y∂w∂yty∂w

求導 : ∂yt

y∂w=

0∂yty∂w=00 。

ytxw

∂w∂ytxw∂w

求導 : ∂yt

xw∂w

=xty

∂ytxw∂w=xtyty

xty 。wt

xty∂

w∂wtxty∂w

求導 : ∂wt

xty∂

w=∂(

wtxt

y)t∂

w=∂y

txw∂

w=xt

y∂wtxty∂w=∂(wtxty)t∂w=∂ytxw∂w=xtywt

xtxw

∂w∂wtxtxw∂w

求導 : ∂wt

xtxw

∂w=2

xtxw

∂wtxtxw∂w=2xtxwtx

xtx)為對稱矩陣當做**中的a

a ,所以得到求導結果 2xt

xw2xtxw 。y

ty∂w

−∂yt

xw∂w

−∂wt

xty∂

w+∂w

txtx

w∂w=

0−xt

y−xt

y+2x

txw=

−2xt

(y+x

w)∂yty∂w−∂ytxw∂w−∂wtxty∂w+∂wtxtxw∂w=0−xty−xty+2xtxw=−2xt(y+xw)

最小二乘法矩陣

usr bin env python coding utf 8 import numpy as np defcalc left k mat k 獲得左側k矩陣 param k return k mat for i in range k 1 now line for j in range k 1 re...

奇異矩陣 最小二乘法

什麼是奇異矩陣 首先奇異矩陣是方陣,其次方陣的行列式不為0.如果行列式為0,則是奇異矩陣,如果行列式不為0,則不是奇異矩陣,行列式不為0,是可逆矩陣。最小二乘法 之前接觸過,沒太仔細看,也許是沒有理解,最小二乘法是用來求函式方程中未知引數的方法,也可以用來擬合函式。在機器學習中,監督方法中,如果需要...

最小二乘法解的矩陣形式推導

首先,什麼是最小二乘?維基百科給出了乙個定義,戳這裡 在我看來,最小二乘法是一種資料擬合方法。我們從矩陣的角度來理解 首先我們給出乙個矩陣中的定義 r a a r n n 有了上面的定義之後,我們就可以寫出最小二乘問題的矩陣形式 b r a b rn,minx rn a x b 2 用bi格高一點的...