线性回归

待我称王封你为后i 2021-12-19 22:49 698阅读 0赞

线性回归其实核心就是：用线性函数或多项式函数建立一个模型，这个模型的建立必须要有数据集，这是建立的根据，建立模型的数据叫做训练数据，训练好了我们还要测试，进而评价这么模型是否建立得当，评价这个模型建立的好与坏的数据集叫做测试集。

训练模型的关键在于使得预测值尽量接近真实值，误差是不可避免的，避免误差的后果可以确切的说就是过拟合，即便在训练集上误差不为零，但是误差很小也有可能出现过拟合，所以不要一味追求模型的复杂性，能用简单的东西就不要用复杂的东西，这也是自然界的真理。

那么训练模型时，如何把握好误差呢？我们对于误差有怎样的理解呢？  
通常我们认为误差服从高斯分布，且误差的期望为零，方差为 σ 2 \\sigma^2 σ2，这是我们的假设，至于到底是不是服从高斯分布，我们不知道，那么为什么误差项假设服从高斯分布呢？因为自然界中高斯分布是最为普遍的。理解误差是理解线性回归的关键，一方面我们的训练数据不可能保证全部正确，有一些数据标签有问题，还有一些数据可能属性有问题，但是数据集中的大多数还是可靠的，所以在训练集上追求绝对的误差为零其实是不明智的，因为这样已然学到了噪声，影响我们的模型准确性；另一方面，所谓的数据标签很有可能不是一个准确值，同样的数据属性，很可能产生在一个小范围内的浮动的数据标签，即数据标签值的绝对唯一性是虚无的，从这个角度看，追求训练数据集上的误差为零也是不正确的。  
下面进行简单的推导：  
线性回归的模型通常是这样的： y ^ = θ T x + θ 0 \\hat y =\\bm \\theta^T\\bm x+\\theta\_0 y^=θTx\+θ0是我们期望建成的模型， y ^ \\hat y y^是的预测值， x \\bm x x是预测结果时输入模型的数据属性/数据特征； θ \\bm\\theta θ是 n × 1 n\\times1 n×1向量，是模型的参数，也是各项数据属性的权值； θ 0 \\theta\_0 θ0是**截距项**(intercept) $。我们通过**最小二乘法**或**最大似然估计**都可以将训练集上模型预测时产生的误差降到最低程度，这个最低程度是相对的，不是零误差 ，也不是刻意追求很小，而是在模型复杂度得当的情况下追求预测误差的最小，有时我们还会用**岭回归Ridge**或**Lasso**回归限制模型的复杂度，使其参数的绝对值减小或某些参数干脆降为零，

如何训练模型呢？  
假设建立模型的训练数据集共有 n n n个属性，有 m m m条数据，即训练集 X ∈ R m × n \\bm X \\in\\mathbb R^\{m\\times n\} X∈Rm×n，训练集的标签lable，即真实值  y ∈ R m \\bm y\\in \\mathbb R^m y∈Rm。  
在训练模型时，为了表达的简洁性和计算的方便性，我们将训练集扩充一列，即在最左边加上**全一列**，这样新的训练集 X ∈ R m × ( n + 1 ) \\mathcal\{X\} \\in\\mathbb R^\{m\\times (n+1)\} X∈Rm×(n\+1)；模型参数同样需要扩充，在原 θ \\bm\\theta θ的最上边加上一个元素“0”，这样新的模型参数 Θ ∈ R n + 1 \\Theta\\in\\mathbb R^\{n+1\} Θ∈Rn\+1，从而预测模型变成 y ^ = Θ T x ∗ \\hat y =\\Theta^T\\bm x^\* y^=ΘTx∗，这样损失函数函数 l ( Θ ) = 1 2 m ∑ i = 1 m ( Θ T x i ∗ − y i ) 2 = 1 2 m ( X Θ − y ) T ( X Θ − y ) l(\\Theta)=\\frac\{1\}\{2m\}\\sum^m\_\{i=1\}\\left(\\Theta^T\\bm x\_i^\*-y\_i\\right)^2=\\frac\{1\}\{2m\}\\left(\\mathcal\{X\}\\Theta-\\bm y\\right)^T\\left(\\mathcal\{X\}\\Theta-\\bm y\\right) l(Θ)=2m1i=1∑m(ΘTxi∗−yi)2=2m1(XΘ−y)T(XΘ−y)，加上 1 2 m \\frac\{1\}\{2m\} 2m1是为了后面的进行梯度下降算法时候的求导方便，并不影响最终的结果。

最小二乘法是这么来的，如果我们直接根据建立的模型来求解参数 Θ \\Theta Θ是无解的，因为 X Θ = y \\mathcal X\\Theta=\\bm y XΘ=y属于超定方程，即方程的个数大于未知数的个数，即便方程个数等于未知数的个数，这些点也不可能在一条线上，因此线性方程是无法求解的，这时候最小二乘法就该出场了，最小二乘法思想是这样的：我要找到一个最优解 Θ \\Theta Θ，使得 y ^ = X Θ \\hat\\bm y=\\mathcal X\\Theta y^=XΘ最接近 y \\bm y y，最接近意味着最相似，最相似意味着差异已经达到了该条件下的最小值。**利用投影矩阵理解最小二乘法其实更形象，这个有时间再说**。

如何求解出最优的 Θ \\Theta Θ值呢，通常来说，有两种方法，分别是“凸函数求偏导解方程的代数方法”和“梯度下降算法的迭代法”。  
如果 X \\mathcal X X的各列线性无关，则 X T X \\mathcal X^T\\mathcal X XTX是满秩矩阵，即可逆，这是可以用代数方法。但是这种方法的**适用性**并不普遍。  
梯度下降算法（Gradient Descent）是更为普遍的一种优化算法，是一种不断迭代逼近最优值的算法。这种算法的内核是Taylor级数，只有充分理解了Taylor级数，才能理解梯度下降算法。包括牛顿法也是基于Taylor级数推导出来的。

**线性回归的关键还是岭回归和Lasso回归，这个需要单独写一个blog。**  
**多项式回归也是线性回归的一部分**，只需要我们对数据进行预处理，即按照某一属性顺序给各列属性数据升幂，预处理结束，剩下的全是线性回归的相关操作流程。