-- что это вообще значит? Я знаю, что линейная регрессия это "обычное решение МНК", ха-ха, всего-то ("запросто, вот однопроходные формулы" -- как вы изволили выразиться).

Вы умеете диагонализировать матрицу (решать систему линейных уравнений) средствами SQL? Покажите этот код -- будет вам уважуха.

-- что именно не предполагалось? (Я догадываюсь, что вы очень быстро отвечаете, потому, видимо, что вам недосуг ... но не настолько же!)

kealon(Ruslan),
то есть ваш ответ: берём библиотеку, в которой реализована линейная регрессия, и обращается к ней из нашего SQL -- вот у нас и будет "реализация линейной регрессии на SQL" ... В этом смысле и игру в шахматы тоже можно "реализовать на SQL".

kealon(Ruslan), я даже знаю, что вы весьма странно называете "и вообще матрицы, остальное"

-- называется "ковариационная матрица". И да, я знаю, что насчитать её -- ковариационную матрицу -- средствами SQL -- тривиально.

В любом случае, ваше "от библиотеки вам нужен алгоритм вычисления обратной матрицы"
(не всей "обратной матрицы", скажу вам по секрету, и в этом смысле вообще не "обратной матрицы")
-- это "суп из топора".

kealon(Ruslan), это становится смешно. При диагонализации матрицы коэффициентов системы линейных уравнений -- с приведением этих диагональных элементов к единицам, конечно --в её правой части появляется (остаётся) решение этой системы уравнений.

Если вы не различаете "диагонализацию" и "вычисления обратной матрицы" ... могу вас только поздравить с глубиной достигнутого вами понимания! И повторить ещё раз, что в процессе диагонализации обратная матрица -- как сущность, как двумерный массив, -- не возникает, то есть не "выччисляется".

kealon(Ruslan), ну то есть похвально, конечно, что вы знаете, что решение системы линейных уравнений -- это задача, сходная с задачей вычисления обратной матрицы -- где-то там недалеко одно от другого..

-- ага, самую малость забыли добавить:

а вот миллион самплов, которые вам нужно описать этой аппроксимацией.

kealon(Ruslan), если вы не возражаете против того, что решение системы линейных уравнений не требует вычисления (то есть целиком и в явном виде) обратной матрицы -- а вы, кажется, не возражаете, -- то я не вижу повода нам с вами продолжать ломать копья. Потому что я знаю , что линейная регрессия основана на МНК, спасибо.

ковариационная матрица строится за один проход по массиву (моделируемых) данных -- да, спасибо, это я тоже знаю ...

... потому что, скажу по секрету, после создания этого топика (больше двух месяцев назад, вообще-то) достаточно быстро приступил к реализации линейной регрессии (в моей конкретной задаче) средствами VBA.

kealon(Ruslan), а вот что было бы здорово (и, скажем так, по-мужски) -- если бы вы признали явным образом, что тот "ход", которым вы начали своё участие в дискуссии,

а именно, понизили размерность задачи со 100 до единицы и показали решение "за один проход" для этого вырожденного случая -- в качестве "ха-ха, всего-то" (дословно: " запросто, вот однопроходные формулы "),

-- этот ход был неудачным.

упссс

exp98, основан - в смысле "обоснован"? Наверное... Для меня МНК это неважно-на-чём-основанный приём "минимизируем квадраты отклонений (от целевого значения)".

exp98, чьё "предположение о нормальности распределения приближаемых значений лежит в основе"? Если у меня никакого моего "предположения о нормальности распределения приближаемых значений не лежит в основе", то ... доктор, всё плохо? я умру??

exp98,

я строю линейную регрессию завтрашнего изменения (прироста) цены акции ZN, MRNA и PDD (и всех остальных ста, если честно) на 103 сегодняшних изменения (прироста) цен акций в индексе NASDAQ-100. Если вы за меня помолитесь богу ... "положите в основу предположение о нормальности распределения приближаемых значений" ... ну, наверное, я не буду на вас в большой обиде.