Технологическое прогнозирование

Скачать в pdf «Технологическое прогнозирование»


r = 0


-2,79


8,95


1,62


0,177


-9,15


173,09


0,001


-1,66


0,993


-0,0737


0,743


-0,954


2,99


0,01


-0,788


0,12


-0,553


0,35


-0,090


0,066


0,1


-0,41


0,065


-0,38


-0,197


0,029


0,624

В реальной ситуации нельзя вычислить квадратичную ошибку и тем самым получить критерий для нахождения оптимального значения параметра регуляризации.


Регрессионный анализ, основанный на собственных числах информационной матрицы.


Информация об обусловленности матрицы содержится в ее собственных числах. Можно построить на них и регрессионную модель, причем с весьма высоким качеством, если относить влияние на счет только тех собственных чисел, которые содержат основную информацию об изучаемом явлении.


Регрессия    на    главных    компонентах.ПустьУ-ортогональная


любого из них выполнено условие FT F


I 5 5


матрица,т.е.У У=1,приводящаяинформационную матрицу к диагональному виду. Собственные числа упорядочены по убыванию


…Ад>А,2> >Ак и для



= 0 . Столбцы матрицы У — собст-


T


— X I


5 5    2


T


F5- Х21)к2=0.Пусть


У i= (У12-,У22,…,Укг)±.Рассмотрим линейные комбинации исходных компонент,организованные следующим образом:


венные векторы F5 г F5 и, соответственно, удовлетворяют условию (f5


>


+


и_Г


>


и


5 + ..


. +v


5


1 11 1


21 2


к1 к


w = v 5 + v


5 + .


.. +v


5


2 12 1


22 2

Скачать в pdf «Технологическое прогнозирование»