A fast randomized algorithm for overdetermined linear least-squares regression

We introduce a randomized algorithm for overdetermined linear least-squares regression. Given an arbitrary full-rank m x n matrix A with m >/= n, any m x 1 vector b, and any positive real number epsilon, the procedure computes an n x 1 vector x such that x minimizes the Euclidean norm ||Ax - b ||...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the National Academy of Sciences - PNAS Ročník 105; číslo 36; s. 13212
Hlavní autoři:	Rokhlin, Vladimir, Tygert, Mark
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States 09.09.2008
Témata:	Algorithms Least-Squares Analysis Linear Models
ISSN:	1091-6490, 1091-6490
On-line přístup:	Zjistit podrobnosti o přístupu
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!