add ex.3.24

docs/03-Linear-Methods-for-Regression/3.4-Shrinkage-Methods.md

@@ -332,7 +332,7 @@ $$
 !!! info "weiya 注：Ex. 3.23"
     已解决，具体证明过程参见[Issue 100: Ex. 3.23](https://github.com/szcf-weiya/ESL-CN/issues/100)。起初翻译时，对 tied 的理解不够，通过求解该练习题，认为 tied 意思其实就是**各个预测变量与残差之间的相关系数保持相等**。
 
-如果该步的开始拟合向量为$\hat{\mathbf f}\_k$，则迭代为$\hat{\mathbf f}\_k(\alpha)=\mathbf f_k+\alpha\cdot\mathbf u_k$，其中$\mathbf u_k=\mathbf X_{\cal A_k}\delta_k$是新的拟合方向。“最小角”由该过程的几何解释得到；$\mathbf u_k$使得活跃集${\cal A}_k$中的预测变量间的角度最小（练习3.24）。图3.14使用模拟数据显示了相关系数的绝对值下降以及每一步LAR算法的加入行列。
+如果该步的开始拟合向量为$\hat{\mathbf f}\_k$，则迭代为$\hat{\mathbf f}\_k(\alpha)=\mathbf f_k+\alpha\cdot\mathbf u_k$，其中$\mathbf u_k=\mathbf X_{\cal A_k}\delta_k$是新的拟合方向。“最小角”由该过程的几何解释得到；$\mathbf u_k$使得活跃集${\cal A}_k$中的预测变量间的角度最小（[练习 3.24](https://github.com/szcf-weiya/ESL-CN/issues/101)）。图3.14使用模拟数据显示了相关系数的绝对值下降以及每一步LAR算法的加入行列。
 
 ![](../img/03/fig3.14.png)