R 中的最小二乘优化
Least square optimization in R
我想知道如何在 R 中解决以下问题。
我们有一个 v 向量（包含 n 个元素）和一个 B 矩阵（尺寸 m x n）。
例如：
> v
[1] 2 4 3 1 5 7
> B
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 2 1 5 5 3 4
[2,] 4 5 6 3 2 5
[3,] 3 7 5 1 7 6
我正在寻找 m 长向量 u 这样
sum( ( v - ( u %*% B) )^2 )
被最小化（即最小化平方和）。
您描述的是线性回归，可以使用 lm 函数完成：
coefficients(lm(v~t(B)+0))
# t(B)1 t(B)2 t(B)3
# 0.2280676 -0.1505233 0.7431653
我想知道如何在 R 中解决以下问题。
我们有一个 v 向量（包含 n 个元素）和一个 B 矩阵（尺寸 m x n）。 例如：
> v
[1] 2 4 3 1 5 7
> B
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 2 1 5 5 3 4
[2,] 4 5 6 3 2 5
[3,] 3 7 5 1 7 6
我正在寻找 m 长向量 u 这样
sum( ( v - ( u %*% B) )^2 )
被最小化（即最小化平方和）。
您描述的是线性回归，可以使用 lm 函数完成：
coefficients(lm(v~t(B)+0))
# t(B)1 t(B)2 t(B)3
# 0.2280676 -0.1505233 0.7431653