Homepage
Lennart Simonsson
Lågrang-approximation av en matris med saknade element
En vanlig statistisk modell för data samlade i en matris är
principalkomponentsregression som innebär att man försöker hitta en
matris av låg rang vars värderum är en god approximation till den ursprungliga
matrisens värderum. Det är väl känt hur lösningen till det problemet
fås ur den så kallade singulära värdes uppdelningen (SVD).
Om vissa element i matrisen är okända, kanske på grund av saknade
mätvärden, så existerar inte en SVD. Vi ansätter lågrangs-approximationen
av de kända elementen som ett ickelinjärt minsta kvadrat-problem (NLS).
Numeriska algoritmer som utnyttjar den speciella strukturen hos detta
NLS kommer att presenteras.
Sidansvarig: karin.johansson@liu.se
Senast uppdaterad: 2019-12-03