Mínimos cuadrados: un problema de proyección
Deriva el ajuste lineal por mínimos cuadrados como una proyección ortogonal, verifica los residuos con NumPy y descubre por qué resolver las ecuaciones normales es mejor que formar una inversa explícita.
Etiqueta
2artículoscon esta etiqueta.
Deriva el ajuste lineal por mínimos cuadrados como una proyección ortogonal, verifica los residuos con NumPy y descubre por qué resolver las ecuaciones normales es mejor que formar una inversa explícita.
Calcula una proyección sobre una recta, verifica su residuo perpendicular y usa una comprobación transparente con NumPy para aproximar una observación dentro de un subespacio del modelo.