N_ha

行列を使った最小二乗法による多変量線形回帰モデルの導出

数学
機械学習

作成日 2025年3月7日金曜日

更新日 2026年4月15日水曜日

多変量線形回帰モデル y^=xw+b\hat{y} = \boldsymbol{x}\boldsymbol{w} + b におけるパラメータである重みベクトル w\boldsymbol{w} およびバイアス bb を、行列演算を用いて最小二乗法により導出する。

変数の定義

扱うデータとパラメータを定義する。 ここで、n∈Nn\in\N はデータ数、m∈Nm\in\N は説明変数の数を表す。

データ

説明変数行列 XX と目的変数ベクトル y\boldsymbol{y} を以下のように定義する。

X=(x1x2⋮xn)=(x11x12…x1mx21x22…x2m⋮⋮⋱⋮xn1xn2…xnm)∈Rn×my=(y1y2⋮yn)∈Rn\begin{aligned} X&=\begin{pmatrix} \boldsymbol{x}_1\\ \boldsymbol{x}_2\\ \vdots\\ \boldsymbol{x}_n\\ \end{pmatrix}=\begin{pmatrix} x_{{1}{1}}&x_{{1}{2}}&\dots&x_{{1}{m}}\\ x_{{2}{1}}&x_{{2}{2}}&\dots&x_{{2}{m}}\\ \vdots&\vdots&\ddots&\vdots\\ x_{{n}{1}}&x_{{n}{2}}&\dots&x_{{n}{m}} \end{pmatrix}\in\R^{n\times m}\\ \boldsymbol{y}&=\begin{pmatrix} y_1\\ y_2\\ \vdots\\ y_n \end{pmatrix}\in\R^n \end{aligned}

また、全要素が 11 のベクトル 1\boldsymbol{1} を以下のように定義する。

1=(11⋮1)∈Rn\begin{aligned} \boldsymbol{1}&=\begin{pmatrix} 1\\ 1\\ \vdots\\ 1 \end{pmatrix}\in\R^n \end{aligned}

パラメータ

推定対象である重みベクトル w\boldsymbol{w} とバイアス bb を以下のように定義する。

w=(w1w2⋮wm)∈Rmb∈R\begin{aligned} \boldsymbol{w}&=\begin{pmatrix} w_1\\ w_2\\ \vdots\\ w_m \end{pmatrix}\in\R^m\\ b&\in\R \end{aligned}

統計量の行列表示

後で式を整理するために、平均、分散共分散行列、共分散ベクトルを行列形式で表現する。

平均 xˉ\bar{\boldsymbol{x}} と yˉ\bar{y}

XX は各説明変数ごとに平均を計算する。

xˉ=(xˉ1xˉ2⋮xˉm)=(1n∑i=1nxi11n∑i=1nxi2⋮1n∑i=1nxim)=1nXT1∈Rmyˉ=1n∑i=1nyi=1n1Ty∈R\begin{aligned} \bar{\boldsymbol{x}}&=\begin{pmatrix} \bar{x}_1\\ \bar{x}_2\\ \vdots\\ \bar{x}_m \end{pmatrix} =\begin{pmatrix} \frac{1}{n}\sum_{i=1}^n x_{{i}{1}}\\ \frac{1}{n}\sum_{i=1}^n x_{{i}{2}}\\ \vdots\\ \frac{1}{n}\sum_{i=1}^n x_{{i}{m}} \end{pmatrix}=\frac{1}{n}X^\mathsf{T}\boldsymbol{1}\in\R^m\\ \bar{y}&=\frac{1}{n}\sum_{i=1}^n y_i=\frac{1}{n}\boldsymbol{1}^\mathsf{T}\boldsymbol{y}\in\R \end{aligned}

分散共分散行列 SXXS_{XX} と共分散ベクトル sXy\boldsymbol{s}_{Xy}

SXX=(Sx1x1Sx1x2…Sx1xmSx2x1Sx2x2…Sx2xm⋮⋮⋱⋮Sxmx1Sxmx2…Sxmxm)=(1n∑i=1n(xi1−xˉ1)(xi1−xˉ1)1n∑i=1n(xi1−xˉ1)(xi2−xˉ2)…1n∑i=1n(xi1−xˉ1)(xim−xˉm)1n∑i=1n(xi2−xˉ2)(xi1−xˉ1)1n∑i=1n(xi2−xˉ2)(xi2−xˉ2)…1n∑i=1n(xi2−xˉ2)(xim−xˉm)⋮⋮⋱⋮1n∑i=1n(xim−xˉm)(xi1−xˉ1)1n∑i=1n(xim−xˉm)(xi2−xˉ2)…1n∑i=1n(xim−xˉm)(xim−xˉm))=1n(XT−xˉ1T)(X−1xˉT)=1n(XTX−XT1xˉT−xˉ1TX+xˉ1T1xˉT)=1nXTX−xˉxˉT−xˉxˉT+xˉxˉT=1nXTX−xˉxˉT∈Rm×msXy=(sx1ysx2y⋮sxmy)=(1n∑i=1n(xi1−xˉ1)(yi−yˉ)1n∑i=1n(xi2−xˉ2)(yi−yˉ)⋮1n∑i=1n(xim−xˉm)(yi−yˉ))=1n(XT−xˉ1T)(y−1yˉ)=1n(XTy−XT1yˉ−xˉ1Ty+xˉ1T1yˉ)=1nXTy−xˉyˉ−xˉyˉ+xˉyˉ=1nXTy−xˉyˉ∈Rm\begin{aligned} S_{XX}&=\begin{pmatrix} S_{x_1x_1}&S_{x_1x_2}&\dots&S_{x_1x_m}\\ S_{x_2x_1}&S_{x_2x_2}&\dots&S_{x_2x_m}\\ \vdots&\vdots&\ddots&\vdots\\ S_{x_mx_1}&S_{x_mx_2}&\dots&S_{x_mx_m} \end{pmatrix}\\ &=\begin{pmatrix} \frac{1}{n}\sum_{i=1}^n\left(x_{{i}{1}}-\bar{x}_1\right)\left(x_{{i}{1}}-\bar{x}_1\right)&\frac{1}{n}\sum_{i=1}^n\left(x_{{i}{1}}-\bar{x}_1\right)\left(x_{{i}{2}}-\bar{x}_2\right)&\dots&\frac{1}{n}\sum_{i=1}^n\left(x_{{i}{1}}-\bar{x}_1\right)\left(x_{{i}{m}}-\bar{x}_m\right)\\ \frac{1}{n}\sum_{i=1}^n\left(x_{{i}{2}}-\bar{x}_2\right)\left(x_{{i}{1}}-\bar{x}_1\right)&\frac{1}{n}\sum_{i=1}^n\left(x_{{i}{2}}-\bar{x}_2\right)\left(x_{{i}{2}}-\bar{x}_2\right)&\dots&\frac{1}{n}\sum_{i=1}^n\left(x_{{i}{2}}-\bar{x}_2\right)\left(x_{{i}{m}}-\bar{x}_m\right)\\ \vdots&\vdots&\ddots&\vdots\\ \frac{1}{n}\sum_{i=1}^n\left(x_{{i}{m}}-\bar{x}_m\right)\left(x_{{i}{1}}-\bar{x}_1\right)&\frac{1}{n}\sum_{i=1}^n\left(x_{{i}{m}}-\bar{x}_m\right)\left(x_{{i}{2}}-\bar{x}_2\right)&\dots&\frac{1}{n}\sum_{i=1}^n\left(x_{{i}{m}}-\bar{x}_m\right)\left(x_{{i}{m}}-\bar{x}_m\right) \end{pmatrix}\\ &=\frac{1}{n}\left(X^\mathsf{T}-\bar{\boldsymbol{x}}\boldsymbol{1}^\mathsf{T}\right)\left(X-\boldsymbol{1}\bar{\boldsymbol{x}}^\mathsf{T}\right)=\frac{1}{n}\left(X^\mathsf{T}X-X^\mathsf{T}\boldsymbol{1}\bar{\boldsymbol{x}}^\mathsf{T}-\bar{\boldsymbol{x}}\boldsymbol{1}^\mathsf{T}X+\bar{\boldsymbol{x}}\boldsymbol{1}^\mathsf{T}\boldsymbol{1}\bar{\boldsymbol{x}}^\mathsf{T}\right)\\ &= \frac{1}{n}X^\mathsf{T}X - \bar{\boldsymbol{x}}\bar{\boldsymbol{x}}^\mathsf{T} - \bar{\boldsymbol{x}}\bar{\boldsymbol{x}}^\mathsf{T} + \bar{\boldsymbol{x}}\bar{\boldsymbol{x}}^\mathsf{T}=\frac{1}{n}X^\mathsf{T}X - \bar{\boldsymbol{x}}\bar{\boldsymbol{x}}^\mathsf{T}\in\R^{m\times m}\\ \boldsymbol{s}_{Xy}&=\begin{pmatrix} s_{x_1y}\\ s_{x_2y}\\ \vdots\\ s_{x_my} \end{pmatrix}=\begin{pmatrix} \frac{1}{n}\sum_{i=1}^n\left(x_{{i}{1}}-\bar{x}_1\right)\left(y_i-\bar{y}\right)\\ \frac{1}{n}\sum_{i=1}^n\left(x_{{i}{2}}-\bar{x}_2\right)\left(y_i-\bar{y}\right)\\ \vdots\\ \frac{1}{n}\sum_{i=1}^n\left(x_{{i}{m}}-\bar{x}_m\right)\left(y_i-\bar{y}\right) \end{pmatrix}\\ &=\frac{1}{n}\left(X^\mathsf{T}-\bar{\boldsymbol{x}}\boldsymbol{1}^\mathsf{T}\right)\left(\boldsymbol{y}-\boldsymbol{1}\bar{y}\right)=\frac{1}{n}\left(X^\mathsf{T}\boldsymbol{y}-X^\mathsf{T}\boldsymbol{1}\bar{y}-\bar{\boldsymbol{x}}\boldsymbol{1}^\mathsf{T}\boldsymbol{y}+\bar{\boldsymbol{x}}\boldsymbol{1}^\mathsf{T}\boldsymbol{1}\bar{y}\right)\\ &=\frac{1}{n}X^\mathsf{T}\boldsymbol{y}-\bar{\boldsymbol{x}}\bar{y}-\bar{\boldsymbol{x}}\bar{y}+\bar{\boldsymbol{x}}\bar{y}=\frac{1}{n}X^\mathsf{T}\boldsymbol{y}-\bar{\boldsymbol{x}}\bar{y}\in\R^m \end{aligned}

目的関数の設定と微分

回帰式は y^=Xw+1b\hat{\boldsymbol{y}} = X\boldsymbol{w}+\boldsymbol{1}b であるので、残差平方和 ϵ\epsilon は以下のようになる。 この ϵ\epsilon を最小化する。

ϵ=∣∣y−y^∣∣2=(y−y^)T(y−y^)\epsilon = \left|\left|\boldsymbol{y}-\hat{\boldsymbol{y}}\right|\right|^2 = \left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)^\mathsf{T}\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)

ベクトル微分の適用

連鎖律を用いて、各パラメータで偏微分を行う。

重み w\boldsymbol{w} による微分

∂ϵ∂w=(∂y^∂w)T∂ϵ∂y^=XT⋅−2(y−y^)=−2XT(y−y^)=−2XT(y−(Xw+1b))=−2XTy+2XTXw+2bXT1\begin{aligned} \frac{\partial\epsilon}{\partial\boldsymbol{w}}&=\left(\frac{\partial\hat{\boldsymbol{y}}}{\partial\boldsymbol{w}}\right)^\mathsf{T}\frac{\partial\epsilon}{\partial\hat{\boldsymbol{y}}}\\ &=X^\mathsf{T}\cdot-2\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)\\ &=-2X^\mathsf{T}\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)\\ &=-2X^\mathsf{T}\left(\boldsymbol{y}-\left(X\boldsymbol{w}+\boldsymbol{1}b\right)\right)\\ &=-2X^\mathsf{T}\boldsymbol{y}+2X^\mathsf{T}X\boldsymbol{w}+2bX^\mathsf{T}\boldsymbol{1} \end{aligned}

バイアス bb による微分

∂ϵ∂b=(∂y^∂b)T∂ϵ∂y^=1T⋅−2(y−y^)=−21T(y−y^)=−21T(y−(Xw+1b))=−21Ty+21TXw+2nb\begin{aligned} \frac{\partial\epsilon}{\partial b}&=\left(\frac{\partial \hat{\boldsymbol{y}}}{\partial b}\right)^\mathsf{T}\frac{\partial \epsilon}{\partial\hat{\boldsymbol{y}}}\\ &=\boldsymbol{1}^\mathsf{T}\cdot-2\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)\\ &=-2\boldsymbol{1}^\mathsf{T}\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)\\ &=-2\boldsymbol{1}^\mathsf{T}\left(\boldsymbol{y}-\left(X\boldsymbol{w}+\boldsymbol{1}b\right)\right)\\ &=-2\boldsymbol{1}^\mathsf{T}\boldsymbol{y}+2\boldsymbol{1}^\mathsf{T}X\boldsymbol{w}+2nb \end{aligned}

連鎖律を使わない場合

連鎖律を使わずに代入と展開を行ってから微分を行う方法も示す。

以下の2つのベクトルの微分公式を用いて計算を行う。

∂∂x(cTx)=c∂∂x(xTAx)=(A+AT)x\begin{aligned} \frac{\partial}{\partial \boldsymbol{x}} \left(\boldsymbol{c}^\mathsf{T} \boldsymbol{x}\right) &= \boldsymbol{c}\\ \frac{\partial}{\partial \boldsymbol{x}} \left(\boldsymbol{x}^\mathsf{T} A \boldsymbol{x}\right) &= \left(A + A^\mathsf{T}\right)\boldsymbol{x} \end{aligned}

重み w\boldsymbol{w} による微分とバイアス bb による微分をそれぞれ計算する。

∂ϵ∂w=∂∂w(y−y^)T(y−y^)=∂∂w(y−(Xw+1b))T(y−(Xw+1b))=∂∂w{(y−1b)−Xw}T{(y−1b)−Xw}=∂∂w{(y−1b)T(y−1b)−(y−1b)TXw−(Xw)T(y−1b)+(Xw)TXw}=∂∂w{(y−1b)T(y−1b)−2(y−1b)TXw+wTXTXw}=0−2XT(y−1b)+2XTXw=−2XTy+2bXT1+2XTXw∂ϵ∂b=∂∂b(y−y^)T(y−y^)=∂∂b{y−(Xw+1b)}T{y−(Xw+1b)}=∂∂b{(y−Xw)−1b}T{(y−Xw)−1b}=∂∂b{(y−Xw)T(y−Xw)−(y−Xw)T1b−(1b)T(y−Xw)+(1b)T1b}=∂∂b{(y−Xw)T(y−Xw)−2b1T(y−Xw)+nb2}=0−21T(y−Xw)+2nb=−21Ty+21TXw+2nb\begin{aligned} \frac{\partial\epsilon}{\partial\boldsymbol{w}}&=\frac{\partial}{\partial\boldsymbol{w}}\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)^\mathsf{T}\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)\\ &=\frac{\partial}{\partial\boldsymbol{w}}\left(\boldsymbol{y}-\left(X\boldsymbol{w}+\boldsymbol{1}b\right)\right)^\mathsf{T}\left(\boldsymbol{y}-\left(X\boldsymbol{w}+\boldsymbol{1}b\right)\right)\\ &=\frac{\partial}{\partial\boldsymbol{w}}\left\{ \left(\boldsymbol{y} - \boldsymbol{1}b\right) - X\boldsymbol{w} \right\}^\mathsf{T} \left\{ \left(\boldsymbol{y} - \boldsymbol{1}b\right) - X\boldsymbol{w} \right\} \\ &= \frac{\partial}{\partial\boldsymbol{w}} \left\{ \left(\boldsymbol{y} - \boldsymbol{1}b\right)^\mathsf{T} \left(\boldsymbol{y} - \boldsymbol{1}b\right) - \left(\boldsymbol{y} - \boldsymbol{1}b\right)^\mathsf{T} X\boldsymbol{w} - \left(X\boldsymbol{w}\right)^\mathsf{T} \left(\boldsymbol{y} - \boldsymbol{1}b\right) + \left(X\boldsymbol{w}\right)^\mathsf{T} X\boldsymbol{w} \right\} \\ &= \frac{\partial}{\partial\boldsymbol{w}} \left\{ \left(\boldsymbol{y} - \boldsymbol{1}b\right)^\mathsf{T} \left(\boldsymbol{y} - \boldsymbol{1}b\right) - 2\left(\boldsymbol{y} - \boldsymbol{1}b\right)^\mathsf{T} X\boldsymbol{w} + \boldsymbol{w}^\mathsf{T} X^\mathsf{T} X \boldsymbol{w} \right\}\\ &= \boldsymbol{0} - 2X^\mathsf{T} \left(\boldsymbol{y} - \boldsymbol{1}b\right) + 2X^\mathsf{T} X \boldsymbol{w} \\ &= -2X^\mathsf{T} \boldsymbol{y} + 2bX^\mathsf{T}\boldsymbol{1} + 2X^\mathsf{T} X \boldsymbol{w}\\ \frac{\partial\epsilon}{\partial b}&=\frac{\partial}{\partial b}\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)^\mathsf{T}\left(\boldsymbol{y}-\hat{\boldsymbol{y}}\right)\\ &=\frac{\partial}{\partial b}\left\{ \boldsymbol{y}-\left(X\boldsymbol{w}+\boldsymbol{1}b\right)\right\}^\mathsf{T}\left\{ \boldsymbol{y}-\left(X\boldsymbol{w}+\boldsymbol{1}b\right)\right\}\\ &=\frac{\partial}{\partial b}\left\{ \left(\boldsymbol{y}-X\boldsymbol{w}\right)-\boldsymbol{1}b\right\}^\mathsf{T}\left\{ \left(\boldsymbol{y}-X\boldsymbol{w}\right)-\boldsymbol{1}b\right\}\\ &=\frac{\partial}{\partial b}\left\{ \left(\boldsymbol{y}-X\boldsymbol{w}\right)^\mathsf{T}\left(\boldsymbol{y}-X\boldsymbol{w}\right)-\left(\boldsymbol{y}-X\boldsymbol{w}\right)^\mathsf{T}\boldsymbol{1}b-\left(\boldsymbol{1}b\right)^\mathsf{T}\left(\boldsymbol{y}-X\boldsymbol{w}\right)+\left(\boldsymbol{1}b\right)^\mathsf{T}\boldsymbol{1}b\right\}\\ &=\frac{\partial}{\partial b}\left\{ \left(\boldsymbol{y}-X\boldsymbol{w}\right)^\mathsf{T}\left(\boldsymbol{y}-X\boldsymbol{w}\right)-2b\boldsymbol{1}^\mathsf{T}\left(\boldsymbol{y}-X\boldsymbol{w}\right)+nb^2\right\}\\ &=0-2\boldsymbol{1}^\mathsf{T}\left(\boldsymbol{y}-X\boldsymbol{w}\right)+2nb\\ &=-2\boldsymbol{1}^\mathsf{T}\boldsymbol{y}+2\boldsymbol{1}^\mathsf{T}X\boldsymbol{w}+2nb \end{aligned}

正規方程式の解法

零ベクトル 0\boldsymbol{0} を以下のように定義する。

0=(00⋮0)∈Rm\begin{aligned} \boldsymbol{0}&=\begin{pmatrix} 0\\ 0\\ \vdots\\ 0 \end{pmatrix}\in\R^m \end{aligned}

最小値において各微分係数は 00 となるため、以下の連立方程式（正規方程式）を解く。

{∂ϵ∂w=0∂ϵ∂b=0⇔{−2XTy+2XTXw+2bXT1=0−21Ty+21TXw+2nb=0⇔{XTXw+bXT1=XTy⋯(1)1TXw+nb=1Ty⋯(2)\begin{aligned} \begin{cases} \frac{\partial\epsilon}{\partial\boldsymbol{w}}=\boldsymbol{0}\\ \frac{\partial\epsilon}{\partial b}=0 \end{cases}&\Leftrightarrow \begin{cases} -2X^\mathsf{T}\boldsymbol{y}+2X^\mathsf{T}X\boldsymbol{w}+2bX^\mathsf{T}\boldsymbol{1}=\boldsymbol{0}\\ -2\boldsymbol{1}^\mathsf{T}\boldsymbol{y}+2\boldsymbol{1}^\mathsf{T}X\boldsymbol{w}+2nb=0 \end{cases}\\ &\Leftrightarrow \begin{cases} X^\mathsf{T}X\boldsymbol{w}+bX^\mathsf{T}\boldsymbol{1}=X^\mathsf{T}\boldsymbol{y}&\cdots(1)\\ \boldsymbol{1}^\mathsf{T}X\boldsymbol{w}+nb=\boldsymbol{1}^\mathsf{T}\boldsymbol{y}&\cdots(2) \end{cases} \end{aligned}

バイアス bb の導出

(2)(2) 式より、バイアスは各変数の平均を用いて以下のように表される。

1TXw+nb=1Ty⇔nb=1Ty−1TXw⇔b=1n1Ty−1n1TXw⇔b=yˉ−xˉTw\begin{aligned} \boldsymbol{1}^\mathsf{T}X\boldsymbol{w}+nb=\boldsymbol{1}^\mathsf{T}\boldsymbol{y}&\Leftrightarrow nb=\boldsymbol{1}^\mathsf{T}\boldsymbol{y}-\boldsymbol{1}^\mathsf{T}X\boldsymbol{w}\\ &\Leftrightarrow b=\frac{1}{n}\boldsymbol{1}^\mathsf{T}\boldsymbol{y}-\frac{1}{n}\boldsymbol{1}^\mathsf{T}X\boldsymbol{w}\\ &\Leftrightarrow b=\bar{y}-\bar{\boldsymbol{x}}^\mathsf{T}\boldsymbol{w} \end{aligned}

重み w\boldsymbol{w} の導出

(1)(1) 式に得られた bb を代入し、整理する。

XTXw+bXT1=XTy⇔XTXw+(yˉ−xˉTw)XT1=XTy⇔XTXw+yˉXT1−(xˉTw)XT1=XTy⇔XTXw+yˉXT1−XT1xˉTw=XTy⇔(XTX−XT1xˉT)w=  XTy−yˉXT1⇔1n(XTX−XT1xˉT)w=  1n(XTy−yˉXT1)⇔(1nXTX−xˉxˉT)w=  1nXTy−yˉxˉ⋯(3)⇔SXXw=sXy\begin{aligned} X^\mathsf{T}X\boldsymbol{w}+bX^\mathsf{T}\boldsymbol{1}=X^\mathsf{T}\boldsymbol{y}&\Leftrightarrow X^\mathsf{T}X\boldsymbol{w}+\left(\bar{y}-\bar{\boldsymbol{x}}^\mathsf{T}\boldsymbol{w}\right)X^\mathsf{T}\boldsymbol{1}=X^\mathsf{T}\boldsymbol{y}\\ &\Leftrightarrow X^\mathsf{T}X\boldsymbol{w}+\bar{y}X^\mathsf{T}\boldsymbol{1}-\left(\bar{\boldsymbol{x}}^\mathsf{T}\boldsymbol{w}\right)X^\mathsf{T}\boldsymbol{1}=X^\mathsf{T}\boldsymbol{y}\\ &\Leftrightarrow X^\mathsf{T}X\boldsymbol{w}+\bar{y}X^\mathsf{T}\boldsymbol{1}-X^\mathsf{T}\boldsymbol{1}\bar{\boldsymbol{x}}^\mathsf{T}\boldsymbol{w}=X^\mathsf{T}\boldsymbol{y}\\ &\Leftrightarrow \left(X^\mathsf{T}X - X^\mathsf{T}\boldsymbol{1}\bar{\boldsymbol{x}}^\mathsf{T}\right)\boldsymbol{w}=\;X^\mathsf{T}\boldsymbol{y} - \bar{y}X^\mathsf{T}\boldsymbol{1}\\ &\Leftrightarrow \frac{1}{n}\left(X^\mathsf{T}X - X^\mathsf{T}\boldsymbol{1}\bar{\boldsymbol{x}}^\mathsf{T}\right)\boldsymbol{w}=\;\frac{1}{n}\left(X^\mathsf{T}\boldsymbol{y} - \bar{y}X^\mathsf{T}\boldsymbol{1}\right)\\ &\Leftrightarrow \left(\frac{1}{n}X^\mathsf{T}X - \bar{\boldsymbol{x}}\bar{\boldsymbol{x}}^\mathsf{T}\right)\boldsymbol{w}=\;\frac{1}{n}X^\mathsf{T}\boldsymbol{y} - \bar{y}\bar{\boldsymbol{x}}&\cdots(3)\\ &\Leftrightarrow S_{XX}\boldsymbol{w}=\boldsymbol{s}_{Xy} \end{aligned}

結論

最小二乗法による最適なパラメータの解は、以下の通りとなる。

ただし、分散共分散行列 SXXS_{XX} が正則であることを前提とする。

{w^=SXX−1sXyb^=yˉ−xˉTw^\begin{aligned} \begin{cases} \hat{\boldsymbol{w}} = S_{XX}^{-1}\boldsymbol{s}_{Xy}\\ \hat{b} = \bar{y} - \bar{\boldsymbol{x}}^\mathsf{T}\hat{\boldsymbol{w}} \end{cases} \end{aligned}

ここで、 説明変数と目的変数がそれぞれ中心化されていた場合、すなわち xˉ=0\bar{\boldsymbol{x}}=\boldsymbol{0} および yˉ=0\bar{y}=0 のときを考える。 このとき、 (3)(3) 式は XTXw=XTyX^\mathsf{T}X\boldsymbol{w}=X^\mathsf{T}\boldsymbol{y} となり、この式のほうを正規方程式と呼ぶことが多い。この式を使って最適なパラメータを XTXX^\mathsf{T}X が正則である前提で求めると以下のようになる。

{w^=(XTX)−1XTyb^=0\begin{aligned} \begin{cases} \hat{\boldsymbol{w}} = \left(X^\mathsf{T}X\right)^{-1}X^\mathsf{T}\boldsymbol{y}\\ \hat{b} = 0 \end{cases} \end{aligned}