我有两个向量：

X – 输入向量，维度为N

Y – 输出向量，与X维度相同（N）

这些向量之间存在如下关系：

Y = FX

其中F是一个线性变换，但它是未知的。理论上，我可以构建一个包含大量X和Y的数据集。是否可以通过线性回归或神经网络找到F？向量的大小尚未确定，但相当大（超过1000个元素）。

谁能帮我找到一些关于如何使用机器学习解决这个问题的参考资料？我已经查找过多元线性回归，但它指向的是多个变量而不是向量。

回答：

据我所知，

Y = AX + epsilon（其中epsilon呈正态分布）

正是线性回归的方程。Epsilon主要代表在经验数据收集中的测量误差。

所以我认为这可以通过线性回归来解决

https://heartbeat.fritz.ai/implementing-multiple-linear-regression-using-sklearn-43b3d3f2fe8b