无法理解线性回归中从一个方程到另一个方程的转换。(摘自Ch-2，统计学习的要素)

Question

在阅读“统计学习的要素”一书的Ch-2中的线性回归时，我遇到了两个方程，我无法理解第二个方程是如何从第一个方程推导出来的。

背景：

我们如何将线性模型拟合到一组训练数据中？有许多不同的方法，但到目前为止最流行的是最小二乘法。在这种方法中，我们选择系数β来最小化残差平方和

方程式1

RSS(β)是参数的二次函数，因此它的最小值总是存在的，但可能不是唯一的。解决方案最容易用矩阵表示法来表征。我们可以写

方程式2

其中，X是N×p矩阵，每行具有一个输入向量，而y是训练集中的输出的N向量。

第一个方程式：

​

​

第二个方程式：

​

​

Answer 1

这样啊，原来是这么回事。第二个方程的RHS是矩阵形式的，为了得到第一个方程，你必须转置第二个方程的RHS的一部分(这是矩阵乘法的方式)。