特異値分解を使用してシステムを解いています。特異値(スケーリング前)は次のとおりです。
1.82277e+29
1.95011e+27
1.15033e+23
1.45291e+21
4.79336e+17
7.48116e+15
8.31087e+12
1.71838e+11
5.63232e+08
2.17863e+08
9.02783e+07
1.72345e+07
1.73889e+05
8.09382e+02
2.16644e+00
すべての特異値と、それに関連する私のソリューションベクトルへの寄与を受け入れると、結果が悪くなることがわかりました。すべてを最大数でスケーリングし、次の特異値を生成します。
1.0
1.06986e-02
6.31091e-07
7.97089e-09
2.62971e-12
4.10428e-14
4.55948e-17
9.42732e-19
3.08998e-21
1.19523e-21
4.95281e-22
9.45510e-23
9.53980e-25
4.44040e-27
1.18854e-29
最善の解決策は、私が最後の二つが含まれている場合に悪くなり始めると、わずか約良好となる用語。
最後の2項を含めると、精度が大幅に低下します。何故ですか?特異値を含める/含めないための基準は何ですか?
私のソリューションへの回答は、ノイズの多いデータをどれだけよく近似しているかで判断しています。
また、「良好」な適合であっても、ゼロに近いとうまく適合しないことにも気づきました(データの範囲はから10です)。何故ですか?