我在计算这个 回归公式时遇到了问题，维度计算不正确：
X-一个维度为 200×20 的矩阵，n=200个样本，p=20个预测变量，
y-一个维度为 200×1 的矩阵，
– 一系列系数，维度为 20×1，k=1,2,3…
– 维度为 20×200
j– 取值范围为 1…p，即从 1…20，
问题出现在我计算 时
例如，当k=20时，k-1=19，我有 ，维度不匹配，无法进行减法运算 200×1 – 200×20 x 1×1 =200×1 – 200×20 是不行的。
如果我使用整个beta向量，那么是正确的。 是否意味着取Beta的第19个值并与矩阵X相乘？
回答：
你应该在计算的每个阶段都使用整个beta向量。
(Tibshirani在使用符号上可能有点宽松…)
k 只是算法步骤的计数器。在开始时（k = 0 或“步骤0”），我们将整个beta向量的元素初始化为零：
在算法的每个步骤（步骤 k = 1, 2, 3... 等等），我们使用之前估计的beta向量（
在步骤 k - 1 计算）来计算一个新的改进的beta向量估计（
）。上标数字不是向量的索引，而是告诉我们在算法的哪个阶段产生了该beta向量。
希望这能解释清楚。重要的是，每个值 
都是一个不同的20×1向量。
