最小二乘法 The Least Square Method
最小二乘法是一种数学优化方法,其通过最小化误差的平方和寻找数据的最佳匹配函数,最小二乘法可以快速求得未知数据,而且利用这些求得的数据与实际数据之间误差的平方和最小。
最小二乘法的形式
最小二乘法原理为:
目标函数 = ∑ (观测值 – 理论值)²
「最小二乘法」是对过度确定系统(存在比未知数更多的方程组),以回归分析求得近似解的标准方法,在整体解决方案中,最小二乘法演算为各方程式的结果,并将残差平方和的总和最小化。
最小二乘法的应用
最小二乘法通常用于曲线拟合,最小平方所涵盖的最佳拟合,即残差 (观测值与模型提供的拟合值之间的差距) 平方综总和的最小化。
最小平方问题通常分为线性最小二乘法和非线性最小二乘法两种,其由所有未知数中的残差是否为线性决定。
线性最小平方问题通常出现在统计回归分析中,其有一个封闭形式的解决方案;非线性问题通常经由迭代细致化解决,每次迭代中系统有线性近似,故这两种情况下核心演算是相同的。
当观测值来自指数族且满足轻度条件时,最小平方估计和最大似然估计相同。
最小二乘法的局限性
当问题在自变量有较大不确定性时,使用简易回归和最小二乘法会发生问题,这种情况下须另外考虑变量 – 误差 – 拟合模型所需的方法,而非最小二乘法。