Search
\[ \def\_#1{\mathbf{#1}} \def\x{\times} \def\R{\mathbb{R}} \def\mat#1{\begin{bmatrix}#1\end{bmatrix}} \def\matr#1{\begin{bmatrix*}[r]#1\end{bmatrix*}} \]
(V.Franc, upravili O.Drbohlav, T.Werner, V.Voráček)
V této úloze vyřešíte dvě jednoduché úlohy na lineární regresi:
Doporučujeme každou z úloh převést na obecnou úlohu lineárních nejmenších čtverců \[ \min_{\_x\in\R^n} \|\_A\_x-\_b\|^2 , \] tedy sestrojit matici $\_A$ a vektor $\_b$ pro vaši konkrétní úlohu. Matlab pak tuto úlohu vyřeší jednoduše příkazem x=A\b (který interně používá QR rozklad). Nastudujte části skript a přednášek o lineární regresi a úloze nejmenších čtverců! Pokud použijete python, můžete použít funkci lstsq.
x=A\b
Je silně doporučeno si vykreslit obrázky pro ověření správnosti řešní.
Výstupem obou úloh budou buď matlabské m-soubory (*.m) pojmenované po funkcích (např. fit_wages.m), nebo pythonovský skript s názvem tempwages.py implementující zmíněné funkce. Vektory zmiňované v zadání jsou jedno-sloupečkové matice v matlabu, nebo jednorozměrné numpy pole (třeba shape = (5,)).
*.m
fit_wages.m
tempwages.py
shape = (5,)