Math
Metodo dei minimi quadrati
Confronta adattamento ai dati, regolarizzazione e sovradattamento.
Da provare
Adatta un polinomio a 16 campioni rumorosi con la QR di Householder. Clicca per spostare verticalmente il campione più vicino e creare un valore anomalo. Confronta l'errore sui dati di addestramento con l'errore rispetto alla funzione nota senza rumore; la regolarizzazione ridge penalizza i coefficienti non costanti.
Equazioni del modulo
Equazioni problema: minβ ||Aβ−y||² + λ Σⱼ≥₁ βⱼ², con Aij = xiʲ Riflettori di Householder: A = QR; si risolve Rβ = Qᵀy La ridge si realizza aumentando A con righe √λI I residui sull'addestramento possono ridursi mentre cresce l'errore di previsione rispetto al riferimento
