Answers:
“如果一个方程组根据给定的普遍接受的集合的函数和数学运算来解决给定的问题,则该方程组被称为闭合形式的解决方案。例如,一个无穷大的和通常不被视为闭合形式。但是,选择什么叫做闭式形式,什么不是相当随意的,因为新的“闭式”功能可以简单地根据无穷之和来定义。” --Wolfram Alpha
和
“在数学中,如果可以用有限数量的某些“众所周知”的函数进行分析表示,则该表达式被称为闭合形式的表达式。通常,这些众所周知的函数被定义为基本函数,常数,一个变量x,算术(+ −×÷)的基本运算,第n个根,指数和对数(因此也包括三角函数和反三角函数)。形式的表达式。” -维基百科
线性回归中的封闭形式解的一个示例是最小二乘方程
大多数估算程序都涉及寻找最小化(或最大化)某些目标函数的参数。例如,使用OLS,我们可以最小化残差平方和。通过最大似然估计,我们可以最大化对数似然函数。区别是微不足道的:可以使用目标函数的负数将最小化转换为最大化。
有时,可以代数解决此问题,从而产生封闭形式的解决方案。使用OLS,您可以求解一阶条件系统,并获得熟悉的公式(尽管您可能仍需要计算机来评估答案)。在其他情况下,这在数学上是不可能的,您需要使用计算机来搜索参数值。在这种情况下,计算机和算法将发挥更大的作用。非线性最小二乘就是一个例子。您没有明确的公式;您所获得的只是您需要计算机实施的配方。配方可能始于对参数可能是什么以及它们如何变化的初步猜测。然后,您尝试各种参数组合,然后看看哪一个参数给您的目标函数值最低/最高。这是蛮力的方法,需要很长时间。例如,组合,如果幸运的话,这只会使您处于正确答案的附近。这种方法称为网格搜索。
或者,您可以从猜测开始,然后在某个方向上优化该猜测,直到目标函数的改进值小于某个值为止。这些通常称为梯度方法(尽管有些其他方法不使用梯度来选择进入哪个方向,例如遗传算法和模拟退火)。诸如此类的一些问题可以确保您快速找到正确的答案(二次目标函数)。其他人则不提供此类保证。您可能会担心自己陷入了局部性而不是全局性的最佳状态,因此尝试了一系列初步猜测。您可能会发现,完全不同的参数为您提供了目标函数的相同值,因此您不知道选择哪个设置。
这是一种获得直觉的好方法。假设您有一个简单的指数回归模型,其中唯一的回归变量是截距:
目标函数为
有了这个简单的问题,两种方法都是可行的。通过导数获得的闭式解为。您还可以通过插入来验证是否有其他东西可以为您提供更高的目标函数值。如果您有一些回归变量,则分析解决方案将无法使用。
寻找非专业术语或严格定义含义的痛苦词汇?我假定是随便的用语,因为到处都可以找到其他用语。假设您想要8的平方根的闭合形式解。闭合形式的解是2 *(2)^ 1/2或2的平方根的两倍。这与非封闭形式的解决方案2.8284相反。(请参阅Wikipedia的2的平方根,以至于精确到1 / 10,000以内的小数点后第69位是正确的)。封闭式解决方案提供了确切的答案,非封闭式解决方案是一个近似值,但是您可以根据需要获得与封闭式解决方案尽可能接近的非封闭式解决方案。听起来很直观,但是如果您需要更准确的信息,则只需多进行一些计算即可。
封闭形式=封闭(功能性)形式
封闭意味着没有其他东西可以进入里面了。也就是说,没有其他选择=>只有一个解决方案=>只有一个函数可以建立结果与预测变量之间的关系。