矩阵-向量方程的其他注意事项

R 数据科学的线性代数

Eric Eager

Data Scientist at Pro Football Focus

方程多于未知数

R 数据科学的线性代数

方程多于未知数

R 数据科学的线性代数

方程少于未知数

R 数据科学的线性代数

非方阵的一些方法

  • 行化简(手算,大规模问题困难)

  • 最小二乘(行多于列——用于线性回归)

  • 奇异值分解(列多于行——用于主成分分析)

  • 广义逆或伪逆

R 数据科学的线性代数

Moore–Penrose广义逆

library(MASS)
print(A)
     [,1] [,2]
[1,]    2    3
[2,]   -1    4
[3,]    1    7
ginv(A)
          [,1]        [,2]       [,3]
[1,] 0.3333333 -0.30303030 0.03030303
[2,] 0.0000000  0.09090909 0.09090909
ginv(A)%*%A
     [,1]          [,2]
[1,]    1 -1.110223e-16
[2,]    0  1.000000e+00
A%*%ginv(A)
           [,1]       [,2]      [,3]
[1,]  0.6666667 -0.3333333 0.3333333
[2,] -0.3333333  0.6666667 0.3333333
[3,]  0.3333333  0.3333333 0.6666667
R 数据科学的线性代数

Moore–Penrose广义逆

print(A)
     [,1] [,2]
[1,]    2    3
[2,]   -1    4
[3,]    1    7
print(b)
1 7 8
x <- ginv(A)%*%b
A%*%x
     [,1]
[1,]    1
[2,]    7
[3,]    8
R 数据科学的线性代数

¡Vamos a practicar!

R 数据科学的线性代数

Preparing Video For Download...