线性回归中w的形式

线性回归中的闭合形式可以写成.我想搞清楚这个式子的具体含义~

网上查到了一些有关这个表达式形式的解释，整理如下：

无脑推导

欧几里得范数

在探究这个式子的含义前，先无脑地推导一下：从解方程组开始，即 假设矩阵是满秩的，我们的目的是使最小，即最小化， $$

=2X^TXw-2XTy = 0 $$ 得到.

投影

误差，当它与正交时，误差是最小的，即 其实道理和范数是相通的……但还是没有找到让我'满意'的解释，或者说将与对比，该如何正向思考这种类似于正定的形式。

一点思考

直觉上，这个表达式的形式给我一种正定矩阵构造的内积的感觉

要想存在，必须保证是可逆的，也就是说损失函数是凸函数，没有局部最小值，而是有全局最小值。