разрешить вопрос по псевдообратной матрице в «QUBO-формулировки трех задач ML»

[vvssttkk]

начало обсуждения тут

[Randl]

Еще раз посмотрел свежим взглядом. Действительно, в контексте линейной регрессии довольно часто решение формулируют с помощью явной формулы x=(A^TA)^(-1) A^T b так как у нас обычно данных гораздо больше чем фичей то обратное обычно существует. Тем не менее, более верная формула это x=A^+ b она верна даже в случае если A^TA необратима. В этом смысле вести речь о вычисление псевдообратной (A^TA)^+ довольно странно, ведь реально нам надо вычислить A^+.

Тем не менее, если мы предполагаем что (A^TA)^(-1) скорее всего обратима, то вычислять A^+ через, например, SVD будет медленнее чем просто вычислить (A^TA)^(-1) A^T (и, возможно даже медленнее чем вычислить (A^TA)^+ A^T), так как SVD значительно медленнее перемножения матриц, хотя асимптотика одинаковая.

Мне кажется что стоит заменить часть про x=(A^TA)^(-1) A^T b на x=A^+ b и добавить объяснение о его вычислении в стиле этого коммента