Mokhoa oa Likwere tse Nyenyane: Tlhahlobo e Felletseng
Mokhoa oa Least Squares ke o mong oa mekhoa ea bohlokoa ka ho fetisisa tlhahlobong ea lipalo-palo, o bapala karolo ea bohlokoa ho lokiseng data, ho etsa mohlala le tlhahlobo ea ho bolela esale pele. Ke mokhoa oa lipalo o fokotsang kakaretso ea lisekoere tsa liphapang lipakeng tsa boleng bo bonoang le bo boletsoeng esale pele. Ka ho etsa joalo, o fana ka mola kapa kobeho e loketseng hantle ho sete e fanoeng ea lintlha tsa data. Sehloohong sena, re tla hlahloba metheo, lits'ebetso, litšibollo le meeli ea Mokhoa oa Least Squares.
Tlaleho ea Histori
Mokhoa oa Least Squares o ile oa hlahisoa ka lekhetlo la pele ke Carl Friedrich Gauss ka 1795 ha a le lilemo li 18, leha o sa ka oa hatisoa ho fihlela ka 1809. Adrien-Marie Legendre, setsebi se seng sa lipalo se tummeng, o ile a qapa le ho phatlalatsa mokhoa o tšoanang ka boikemelo ka 1805. Ho sa tsotellehe sena, tlhaloso ea Gauss le katoloso ea mokhoa ona li ile tsa beha motheo oa tšebeliso ea sejoale-joale.
Motheo oa Lipalo
Ka mokhoa o bonolo ka ho fetisisa, Mokhoa oa Literata tse Nyenyane o sebelisoa ho lekana mohlala o otlolohileng le sete ea lintlha tsa data. Ha ho fanoa ka sete ea lintlha tsa data tsa `n` \((x_1, y_1), (x_2, y_2), …, (x_n, y_n)\), sepheo ke ho fumana mola \(y = mx + c\) o fokotsang kakaretso ea lisekoere tsa libaka tse otlolohileng (masala) pakeng tsa boleng bo bonoang \(y_i\) le boleng bo boletsoeng esale pele ke mola \(\hat{y}_i\).
Ka lipalo, sepheo sena se ka emeloa e le:
\[ S = \sum_{i=1}^{n} (y_i – \hat{y}_i)^2 = \sum_{i=1}^{n} (y_i – (mx_i + c))^2 \]
Tekanyo ena e emela kakaretso ea lisekoere tsa masala, \(S\), 'me sepheo sa rona ke ho fumana boleng ba \(m\) (lekhalo) le \(c\) (ho thibela) bo fokotsang \(S\).
Derivation
Ho fumana boleng ba \(m\) le \(c\) bo fokotsang kakaretso ea lisekoere \(S\), re nka li-derivative tse sa fellang tsa \(S\) mabapi le \(m\) le \(c\) ebe re li beha ho lefela.
1. Karolo e sa fellang mabapi le \(m\):
\[ \frac{\partial S}{\partial m} = \sum_{i=1}^{n} 2(y_i – (mx_i + c))(-x_i) = 0 \]
2. Karolo e sa fellang mabapi le \(c\):
\[ \frac{\partial S}{\partial c} = \sum_{i=1}^{n} 2(y_i – (mx_i + c))(-1) = 0 \]
Ho rarolla li-equation tsena ka nako e le 'ngoe ho fella ka li-equation tse tloaelehileng:
\[ m = \frac{n(\sum x_i y_i) – (\sum x_i)(\sum y_i)}{n (\sum x_i^2) – (\sum x_i)^2} \]
\[ c = \frac{(\sum y_i)(\sum x_i^2) – (\sum x_i)(\sum x_i y_i)}{n(\sum x_i^2) – (\sum x_i)^2} \]
Li-equation tsena li re fa boleng ba \(m\) le \(c\) bo fokotsang kakaretso ea masala a sekoere.
dikopo
Mokhoa oa Least Squares o na le lits'ebetso tse pharaletseng libakeng tse fapaneng:
1. Moruo le Lichelete: E sebelisoa ho etsa mohlala le ho bolela esale pele matšoao a moruo a kang GDP, sekhahla sa infleishene, le litheko tsa li-stock.
2. Boenjiniere: E sebelisoa ts'ebetsong ea matšoao, litsamaisong tsa taolo, le litekong tsa ts'epo ho lekana mehlala le data ea bopaki.
3. Bongaka: E thusa ho hokahanya dikhutlo tsa kgolo, dikhutlo tsa karabelo ya tekanyo, le ditshebetso tse ding tsa baeloji ho data ya diteko.
4. Thuto ea Mochini: Mehlala ea ho khutlela morao ka mola, eo hangata e sebelisang Mokhoa oa Least Squares bakeng sa ho hakanya liparamente, ke motheo oa mekhoa ea ho ithuta e laoloang.
5. Bolepi ba linaleli: E ne e sebelisoa ke Gauss ho bala litsela tsa lihloliloeng tsa leholimo.
Mefuta-futa le Katoloso
1. Likwere tse Nyenyane tse Behiloeng ka Boima: Maemong ao ho 'ona litebello li nang le liphapang tse fapaneng, Likwere tse Nyenyane tse Behiloeng ka Boima li abela boima ntlha e 'ngoe le e 'ngoe ea data, e fokotsa kakaretso e beiloeng ka boima ea likwere.
2. Likwere tse Nyenyane tse sa Lekanyetsoang: E atolosa mokhoa ho lekana mehlala e seng ea mola, hangata ka mekhoa e pheta-phetoang joalo ka li-algorithms tsa Gauss-Newton kapa Levenberg-Marquardt.
3. Likwere tse Nyenyane tse Hloahloa tse Regularized (Ridge Regression): E eketsa kotlo kakaretsong ea likwere ho thibela ho lekana ho feta tekano, haholo-holo e thusa ha ho sebetsanoa le multicollinearity.
4. Likwere tse Nyenyane tse Akaretsang: Li ikarabella bakeng sa litebello tse amanang, li atolosa mokhoa oa likwere tse nyane ho sebetsana le liphoso tse amanang ka bohona le tse sa tšoaneng.
Lisebelisoa tsa Khomphutha
Lisebelisoa tse fapaneng tsa software le libaka tsa mananeo li fana ka mesebetsi e hahiloeng kahare bakeng sa ho etsa bonyane ba lisekoere tse khutšoanyane:
1. Python: Lilaeborari tse kang NumPy le SciPy li fana ka mesebetsi `numpy.linalg.lstsq` le `scipy.optimize.curve_fit` bakeng sa ho lekana lisekoere tse nyane tse otlolohileng le tse seng tse otlolohileng, ka ho latellana.
2. R: Mesebetsi e kang `lm()` bakeng sa mehlala e otlolohileng le `nls()` bakeng sa mehlala e seng e otlolohileng tikolohong e felletseng ea lipalo-palo ea R.
3. MATLAB: Mosebetsi wa `lsqcurvefit` ho MATLAB o sebedisetswa ho lokisa ho seng mola, ka tshehetso e kentsweng kahare bakeng sa tshebetso ya algebra e mola.
sheba mefokolo ea
Ho sa tsotellehe ho sebetsa ha yona ka bophara, Mokhoa wa Least Squares o na le mefokolo:
1. Ho Utloisisa Lintho Tse sa Tloaelehang: Least Squares e na le kutloelo-bohloko haholo ho lintho tse sa tsoaneng, kaha lentsoe le nang le sekoere le eketsa tšusumetso ea masala a maholo.
2. Ho nahannwa ha ho ba le mola o otlolohileng: Ho nahannwa ka kamano e otlolohileng pakeng tsa di-variable, tse ka nnang tsa se sebetse bakeng sa di-dataset tse rarahaneng.
3. Mathata a Multicollinearity: Ho regression e mengata e otlolohileng, multicollinearity pakeng tsa di-variable tse bolelang esale pele e ka sotha khakanyo ya di-coefficient.
4. Ho tšoana ha Phapang (Homoscedasticity): Ho nka hore phapang ea mantsoe a phoso e tsitsitse ho pholletsa le lintho tse hlokometsoeng, e leng se ka 'nang sa se be joalo kamehla.
fihlela qeto e
Mokhoa oa Least Squares, ho sa tsotellehe lilemo tsa oona, o ntse o le lejoe la motheo tlhahlobong ea lintlha tsa lipalo-palo le ho etsa mohlala. Ho nolofatsa ha oona, katleho ea oona, le ho ikamahanya le maemo ho ea ka mefuta e fapaneng, ho tloha ho regression ea motheo ea mola ho ea ho mehlala e rarahaneng e seng mola le e akaretsang, ho etsa hore o be oa bohlokoa haholo. Ho utloisisa metheo ea oona ea lipalo, lits'ebetso le meeli ho bohlokoa ho mang kapa mang ea amehang tlhahlobong ea lintlha, ho netefatsa hore mokhoa ona o sebelisoa ka nepo ho fumana temohisiso e nang le moelelo. Ebang ke thutong kapa indastering, Mokhoa oa Least Squares o ntse o tsoela pele ho ba sesebelisoa se matla sa ho utloisisa likamano ka har'a data le ho etsa likhakanyo tse nang le tsebo.
