Math
Méthode des moindres carrés
Comparez ajustement des données, régularisation et surapprentissage.
À essayer
Ajustez un polynôme à 16 échantillons bruités par la QR de Householder. Cliquez pour déplacer verticalement l'échantillon le plus proche et créer une valeur aberrante. Comparez l'erreur d'entraînement avec l'erreur par rapport à la fonction connue sans bruit ; la régularisation de Tikhonov pénalise les coefficients non constants.
Équations du module
Équations minβ ||Aβ−y||² + λ Σⱼ≥₁ βⱼ², avec Aij = xiʲ réflecteurs de Householder : A = QR ; résoudre Rβ = Qᵀy La régularisation de Tikhonov est réalisée en augmentant A de lignes √λI Les résidus d'entraînement peuvent diminuer tandis que l'erreur de prédiction de référence augmente
