我有两个向量:
X - 通用维度 N 的输入向量
Y - X (N)
相同维度的输出向量这些向量通过以下方式相关:
Y = FX
其中F 是线性变换,但未知。 潜在地,我可以构建一个包含大量 X 和 Y 的数据集。有没有办法通过线性回归/神经网络找到F? 向量大小还没有定义,但是已经相当大了(超过1000个元素)。
谁能帮我找到一些关于如何使用机器学习解决这个问题的参考资料? 我已经在寻找多元线性回归,但它指向的是多变量而不是向量。
答案 0 :(得分:2)
据我所知,
Y = AX + epsilon(正态分布的 epsilon)
正是线性回归的方程。 Epsilon 主要代表经验收集数据情况下的测量误差。
所以我认为这应该通过线性回归来解决
https://heartbeat.fritz.ai/implementing-multiple-linear-regression-using-sklearn-43b3d3f2fe8b
答案 1 :(得分:0)
我认为您遇到的问题比您想的要简单得多。你有一个线性回归问题,只观察到一个特征(如果我理解正确的话)。它是线性的,因为正如你所说,F 是一个线性函数,所以你不需要求助于神经网络来估计它。
您正在寻找的估计 F 只是 Y/(XTY),假设向量是列。如果您需要证明这一点,一般情况下的详细解决方案(您有多个特征,因此 X 是矩阵),您可以查看 Understanding Machine Learning - From Theory to Algorithms,第 123-125 页。