在正交回归中,我们试图最小化与每个数据点的距离。到拟合模型。
我的问题是,为什么正交回归中的自变量和因变量之间存在区别?
在我幼稚的理解中,我们试图实现的拟合并没有区分- 我们想找到最小化距离总和的线.
在正交回归中,我们试图最小化与每个数据点的距离。到拟合模型。
我的问题是,为什么正交回归中的自变量和因变量之间存在区别?
在我幼稚的理解中,我们试图实现的拟合并没有区分- 我们想找到最小化距离总和的线.
好问题。
简短的回答:自变量和因变量之间的区别可能对您的损失/误差函数无关紧要,但对您的建模函数可能很重要。
考虑用正交回归拟合抛物线。在这里,哪个变量依赖和独立非常重要,因为函数不是一对一的。所以我想说这种区别对于“建模”更重要。
在一个简单的情况下,例如拟合一条线,那么任何区别都可能更具哲学意义而不是实际意义。