我有一个 Ab = c 形式的问题,其中 A 是未知数,M x M 矩阵,b 是 M x 1 向量,c 是 M x 1 向量。我有很多 b 和 c 样本(超定问题),我想找到“最好的”A。任何可以轻松解决此回归的库的建议?
非线性但多项式模型呢?也就是说,以下形式的一些方程:
[c_0 c_1 ... c_M ] = [1 b_0 b_1 ... b_M ... b_0^k b_1^k .. b_M^k ] A
其中 k 是多项式阶数,A 现在是 M xk 矩阵。
我有一个 Ab = c 形式的问题,其中 A 是未知数,M x M 矩阵,b 是 M x 1 向量,c 是 M x 1 向量。我有很多 b 和 c 样本(超定问题),我想找到“最好的”A。任何可以轻松解决此回归的库的建议?
非线性但多项式模型呢?也就是说,以下形式的一些方程:
[c_0 c_1 ... c_M ] = [1 b_0 b_1 ... b_M ... b_0^k b_1^k .. b_M^k ] A
其中 k 是多项式阶数,A 现在是 M xk 矩阵。
找到了一个好的解决方案:DLIB 很好地解决了这个问题。这里有一个例子:http: //dlib.net/least_squares_ex.cpp.html
注意:如果您需要使用矩阵,DLIB 仍然需要将数据存储为向量。也就是说,如果您正在求解 Ab=c 并且 A 是一个 3x3 矩阵,则上面链接示例中的 parameter_vector 必须是typedef matrix<double,9,1> parameter_vector;
,否则它将无法编译。