У меня есть матричная система:более высокий порядок линейной регрессия
А х В = С
A
является a
по n
и B
является n
по b
. И A
, и B
неизвестны, но у меня есть частичная информация о C
(у меня есть некоторые значения, но не все), а n
выбрано настолько маленьким, что ожидается, что система будет ограничена. Не требуется, чтобы все строк в A
или столбцы в B
были ограничены.
Я ищу что-то вроде least squareslinear regression, чтобы найти наиболее подходящие для данной системы (Примечание: я знал, что не будет единственным уникальным решением, но все, что я хочу, это один из лучших решений)
Чтобы сделать конкретный пример; все буквы a и b неизвестны, все c известны, а символы «s» игнорируются. Я хочу найти a решение наименьших квадратов только с учетом знаний c.
[ a11, a12 ] [ c11, c12, c13, c14, ? ]
[ a21, a22 ] [ b11, b12, b13, b14, b15] [ c21, c22, c23, c24, c25 ]
[ a31, a32 ] x [ b21, b22, b23, b24, b25] = C ~= [ c31, c32, c33, ?, c35 ]
[ a41, a42 ] [ ?, ?, c43, c44, c45 ]
[ a51, a52 ] [ c51, c52, c53, c54, c55 ]
Обратите внимание, что если В подрезали до b11 и b21 только и неизвестный строка 4 chomped вне, то это почти стандартом наименьших квадратов линейной регрессии проблема.
Просто любопытно, есть ли у вас это с идеями ниже. – SplittingField
это подпадает под рубрику «разреженный факторный анализ», я считаю: найти низкоразмерное (в примере, двумерное) представление для C. googling, которое должно помочь. – petrelharp