在二次回归中使用奇异值分解（svd）

【问题标题】：using singular value decomposition (svd) in quadratic regression [closed]在二次回归中使用奇异值分解（svd）
【发布时间】：2013-03-12 23:35:41
【问题描述】：

为了对相当大的数据集进行二次回归，我想使用 svd（奇异值分解）求解以下方程： B(nx1)=A(nx3)*X(3x1) 我正在考虑为此使用matlab，有什么提示吗？目标是计算矩阵 X

【问题讨论】：

【解决方案1】：

看来你所说的二次回归实际上是最小平方误差回归。在这种情况下，计算非常简单：

1) 两边乘以 A'(3xn) 到达

A'(3xn)B(nx1) = A'(3xn)A(nx3) X(3x1)

2) 现在将两边乘以 A'(nx1) 的倒数 A(nx3) 到达

inv(A'(3xn)A(nx3))A'(3xn)B(nx1) = X(3x1)

3) 现在使用 svd 来计算上面的逆运算，见Most efficient matrix inversion in MATLAB

【讨论】：