|
ru.algorithms
- RU.ALGORITHMS ----------------------------------------------------------------
From : Aleksey V. Vaneev 2:5003/15.1 30 Jun 2002 08:51:38
To : Evgenij Masherov
Subject : Трансцендентная регрессия
--------------------------------------------------------------------------------
AVV>> Также существует другой метод - уравнение МР (множественной
AVV>> регрессии). Метод Брандона. Мне он, в общем-то больше нравится,
AVV>> потому как допускает использование любых приближающих уравнений.
EM> Задача линейная. Поскольку линейность важна по коэффициентам, а не по
EM> регрессорам. Так что алгоритмы линейной регрессии работают. Вот если и
EM> коэффициенты входят нелинейно - то тоже можно, скажем,
EM> Левенбергом-Марквардтом.
Это некий метод построения регрессионного уравнения? А URL есть в интернете,
дабы почитать о нем?
EM> Если ЛЮБЫЕ входящие в модель функции, связанные с откликом модели
EM> линейно (т.е. y=a1*F1(x)+a2*F2(x)+...)
Там, наверное, x1, x2,... нужно, а не один x для всех функций. Ко всему прочему,
в методе Брандона используется другая функция:
y=a*f1(x1)*f2(x2)*f3(x3)*f4(x4)...
Hикак не пойму, чего с ним делать. :) Как его оптимизировать, как находить
корреляцию между различными параметрами, между параметрами и y? У меня есть
немного теории для трансцендентной регрессии (в т.ч. множественная корреляция),
а вот для множественной регрессии ничего дополнительно не описывается - только
сам метод Брандона.
EM> a=inv(trX*X)*tr(X)*y имеет многие преимущества.
А как это расшифровать? И что дает a?
e-mail: picoder@sbis.komi.ru
--- GoldED+/W32 1.1.5-20020105
* Origin: рева корова паска корова (2:5003/15.1)
Вернуться к списку тем, сортированных по: возрастание даты уменьшение даты тема автор
|
