[討論] least square 最小平方法 A\B rank

[caron0225 (淯仔)]

大家好，小弟想來請教版上大神

在matlab 用A\B作最小平方法曲線擬合時遇到rank deficient 的警告訊息

即使常常出現這個警告訊息，但是當我把解帶回去方程後，曲線擬合的誤差幾乎很小，

基本能夠滿足我的要求。

大家覺得我可以無視這個警告訊息嗎? 或是有甚麼其他要注意的!?


另外，我曾經嘗試將A矩陣作SVD分解A=U*S*V，然後設置容差，挑選S的主對角線數值

大於容差的主對角線數值取倒數，小於容差的主對角線數值我都直接設0，

構造矩陣NV (所以NV_ii = 1/S_ii如果S_ii>容差)，然構造矩陣V*NV*U來代表A的偽逆

矩陣，這樣在Ax=b的系統中，x的解近似為(V*NV*U)*b。

這個做法很多時候也能幫助我作最小平方法的擬合，而且不會出現rank deficient的問題

，最近蠻喜歡這樣解最小平方法的問題，只是呢，依舊某些訊號數據就擬合的很差~

甚至不如我直接 A\B 來求解(即使出現rank deficient訊息)

我不太確定是不是訊號的品質不好~即使是訊號品質的問題我也不知道怎麼確定~

來這求版上大神提供建議或方向~~~感謝~~

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.3.40.96 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/MATLAB/M.1729930640.A.608.html
推 sunev: 你第一個做法叫mldivide，也就是矩陣左除
→ sunev: 第二個做法叫pinv，也就是pseudo inverse
→ sunev: 兩者的差別 https://reurl.cc/YqA7xx
推 VIATOR: 推樓上
→ caron0225: 我才發現原來有直接pinv 的指令lol
→ caron0225: 我想我處理的case應該屬於方程式數大於變量數，應該比
→ caron0225: 較適合用反除
推 jatj: ?
→ DIDIMIN: A 存在高度線性相依，要嘛用 PCA 要嘛踢掉共線性高的特徵