matlab - 自适应线性回归

Question

假设我有一组样本，其中包含具有均匀概率分布（高斯）的非平稳随机过程。我需要对样本集进行自适应线性回归。基本上我希望“最适合”的线以某种方式表现。我有一个单独的信号，并且我知道 Y=Mx+B 形式的“最佳拟合”线将具有与其他信号成比例的斜率 M。所以我需要优化问题来最小化点之间的距离，但是给我一个与另一个信号成比例的斜率。解决这个问题的最简单的机器学习/统计方法是什么？

Answer 1

如果我正确理解您的问题，您可以只使用正态回归或梯度下降型算法，但不是将自由度设为 M 和 B，您可以使用已知数据的 M 的比例常数，以及单独的B.

IE。已知信号：

Y1 = M1*x + B1
Y2 = k*M1*x + B2

求解 k 和 B2，使 x 和 y 的平均差最小化。

从理论上讲，这似乎是内在的。如果您首先解决了线性解决方案的问题。k 将是 M2 / M1 ....