假设我有一组样本，它由具有均匀概率分布（高斯）的非平稳随机过程组成。我需要对这组样本进行自适应线性回归。基本上，我希望"最适合"的一句话能有一种特定的表现方式。我有一个单独的信号，并且我知道形式为Y=Mx+B的"最佳拟合"线将具有与其他信号成比例的斜率M。所以我需要优化问题来最小化点之间的距离，但要给我一个与其他信号成比例的斜率。解决这个问题最简单的机器学习/统计方法是什么？
如果我正确理解你的问题，你可以使用正态回归或梯度下降型算法，但你可以使用已知数据的M的比例常数和单独的B。
即。已知信号：
Y1 = M1*x + B1
Y2 = k*M1*x + B2
求解k和B2，使得x和y的平均差最小化。
从理论上讲，这似乎是内在的。如果你一开始就用线性解解决了这个问题。k将是M2/M1。。。。