week2_多变量线性回归

多变量线性回归(Linear Regression with Multiple Variables)

1.多特征（Multiple Features）

对于一个要度量的对象，一般来说会有不同维度的多个特征。比如之前的房屋价格预测例子中，除了房屋的面积大小，可能还有房屋的年限、房屋的层数等等其他特征

多变量假设函数$h$表示为：$h_{\theta }$=${\theta }_0$+${\theta }_1$$x_1$+${\theta }_2$$x_2$+…+${\theta }_n$$x_n$

这里由于特征不再只有一个，引入一些新的记号

$n$:特征的总数
$x^{(i)}$: 代表样本矩阵中第 $i$行，也就是第 $i$个训练实例。
$x_j^{(i)}$代表样本矩阵中第 $i$行的第 $j$列，也就是第 $i$个训练实例的第 $j$个特征。

其中参数向量的维度是$n$+1,给特征向量添加$x_0$，其维度也变成$n$+1维，则假设函数可以用矩阵表达为：

$$h_{\theta }(x)=\left[\begin{array}{cccc}{\theta }_0& {\theta }_1& ...& {\theta }_n\end{array}\right]\left[\begin{array}{cc}{x}_0& \\ x_1& \\ ...& \\ x_n& \end{array}\right]={\theta }^{T}x$$

${\theta }^T$:$\theta$矩阵的转置
$s$:某个样本的特征向量。n+1维
$x_0$:假设$x_0^{(i)}$=1

2.多变量梯度下降(Gradient Descent for Multiple Variable)

多变量代价函数类似与单变量代价函数，即

$J({\theta }_0,{\theta }_1,...,{\theta }_n)$= $\frac{1}{2m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)}{)}^2$,其中$h_{\theta }(x)={\theta }^{T}x$

梯度下降对于最小化代价函数的通用性，则多变量梯度下降公式即
r e p e a t u n t i l c o n v e r g e n c e : { repeat until convergence:\{ repeatuntilconvergence:{
${\theta }_j:={\theta }_j-\alpha \frac{\partial }{\partial {\theta }_1}({\theta }_0,{\theta }_1,...,{\theta }_n)$
$\}$
解出偏导得：
r e p e a t u n t i l c o n v e r g e n c e : { repeat until convergence:\{ repeatuntilconvergence:{
${\theta }_j:={\theta }_j-\alpha \frac{1}{m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})\cdot x_j^{(i)}$ $forj:=0,1,2,...n$
$\}$

可展开为：
r e p e a t u n t i l c o n v e r g e n c e : { repeat until convergence:\{ repeatuntilconvergence:{
${\theta }_0:={\theta }_0-\alpha \frac{1}{m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})\cdot x_0^{(i)}$
${\theta }_1:={\theta }_1-\alpha \frac{1}{m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})\cdot x_1^{(i)}$
${\theta }_2:={\theta }_2-\alpha \frac{1}{m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})\cdot x_2^{(i)}$
…
${\theta }_n:={\theta }_n-\alpha \frac{1}{m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})\cdot x_n^{(i)}$
$\}$

同单变量梯度下降一样，计算时需要同时更新所有参数。

3.特征值缩放(Gradient Descent in Practice I - Feature Scaling)

在应用梯度下降算法实践时，由于各特征值的取值范围不同，可能会影响代价函数收敛速度。
以房价预测问题为例，这里选取房屋面积大小和房间数量这两个特征。
下图中，左图是以原始数据绘制的代价函数轮廓图，右图为采用特征缩放（都除以最大值）后图像。左图中呈现的图像较扁震荡较大，相对于使用特征缩放方法的右图，梯度下降算法需要更多次的迭代。

为了加快梯度下降的收敛速度，采用特征缩放的方式，使得特征值的范围尽量一致。
方法主要有2种特征缩放（feature scaling） and 均值归一化（mean normalization）
特征缩放：每个训练实例的特征值都除以该特征值中最大的数；
均值归一化：
$x_i=\frac{x_i-average(x)}{maximum(x)-minimum(x)}$ $x_i\in (-1,1)$

另外注意，一旦采用特征缩放，我们就需对所有的输入采用特征缩放，包括训练集、测试集、预测输入等。

4.学习速率(Gradient Descent in Practice II - Learning Rate)

通常，有两种方法来确定函数是否收敛

• 多次迭代收敛法
  无法确定需要多少次迭代
  较易绘制关于迭代次数的图像
  根据图像易预测所需的迭代次数
  

• 自动化测试收敛法（比较阈值）
  不易选取阈值
  代价函数近乎直线时无法确定收敛情况

因为自动化测试收敛法需要预判代价函数的的参考值，但对于每个项目并不相同，选取参考值很困难。因此一般借助图形发现代价函数的趋势，调整学习速率$\alpha$，随着曲线的下降，每次取更小的学习速率，逐渐逼近最小值。

对于学习速率$\alpha$，一般上图展现的为适中情况下图中，左图可能表明$\alpha$过大，代价函数在跳跃，无法收敛；右图可能表明$\alpha$过小，代价函数收敛的太慢。代价函数在迭代会增加影响效率。在实际使用时，可以不断改变$\alpha$值，绘制并观察图像，并以此来确定合适的学习速率。

5.特征处理和多项式回归(Features and Polynomial Regression)

5.1特征处理

在特征选取时，我们也可以自己归纳总结，定义一个新的特征，用来取代或拆分旧的一个或多个特征。比如，对于房屋面积特征来说，我们可以将其拆分为长度和宽度两个特征，反之，我们也可以合并长度和宽度这两个特征为面积这一个特征。如能减少相关性很高特征就能减少计算梯度下降时候的运算，提高效率。

5.2多项式回归

对比week1单变量线性拟合
线性回归只能以直线来对数据进行拟合，有时候需要使用曲线来对数据进行拟合，即多项式回归(Polynomial Regression)。下面以单变量为例说明多项式拟合曲线的问题

在使用多项式回归时，要记住非常有必要进行特征缩放，比如 的范围为 1-1000，那么 的范围则为 1- 1000000，不适用特征缩放的话，范围更有不一致，也更易影响效率。还需要注意多项式如果项数太多虽然拟合效果更好了，但是增加了计算量。

6.正规方程（Normal Equation）

对于一些线性回归问题来说，正规方程法给出了一个更好的解决问题的方式。
正规方程法，即令$\frac{\partial }{\partial {\theta }_j}J({\theta }_j)=0$ ，通过解析函数的方式直接计算得出参数向量的值 $\theta =(X^{T}X{)}^{-1}{X}^{T}y$，
比较正规方程法和梯度下降算法

条件	梯度下降	正规方程
是否需要选取学习速率$\alpha$	需要	不需要
是否需要迭代运算	需要	不需要
特征量较多时	使用，$O(k{n}^2)$	不适用，$(X^{T}X{)}^{-1}$复杂度$O(n^3)$
适用范围	各种模型	只适用线性模型且需要矩阵可逆
适用特征数	1w以下	1以上

7.不可逆性正规方程(Normal Equation Noninvertibility)

造成正规方程不可逆的原因有：

• 特征线性相关
• 特征数量$n$大于训练集的数量$m$

$X^{T}X$不可逆的处理办法：

• 合并冗余项
• 增加训练集数量
• 使用正则化

在Octave中，$X^{T}X$不可逆时强制求解逆函数使用pinv()函数，可逆函数使用inv()函数。

8.week2编程思路

1. 目的：建模求一组参数$\theta$，能使预测函数输出值最接近真实值；
2. 描述接近程度的函数：代价函数$J_{\theta }=$ $\frac{1}{2m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)}{)}^2$
   其中预测函数：$h_{\theta }(x)={\theta }^{T}x$
3. 代价函数越小，表示预测越准确；求代价函数的最小值，转为求${\theta }_j$对$J(\theta )$的偏导数，同时求多个参数的偏导数，机器学习中称为 批量梯度下降算法（batch gradient descent algorithm）
4. ${\theta }_j$ 为：${\theta }_j:={\theta }_j-\alpha \frac{1}{m}$$\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})\cdot x_j^{(i)}$ $forj:=0,1,2,...n$
   在迭代次数内执行该计算，并且需要同时更新 ${\theta }_j$的值。
5. 将迭代次数与代价函数图形化，直观判断优化过程，针对性修改学习参数$\alpha$和迭代次数；

附录

• 【Katex常用函数1】https://katex.org/docs/support_table.html#symbols
• 【Katex常用函数2】https://my.oschina.net/davelet/blog/1831306
• 【Latex常用希腊字母】https://blog.csdn.net/xxzhangx/article/details/52778539

思路整理

对模型进行优化处理目前看是从两个方面入手：特征+数据拟合方式，分别整理一下。

• 特征
  可以取代和拆分，目的减少冗余计算；
  特征值缩放{两种方式：除以固定值、均值归一化}，目的加快梯度下降的收敛速度；

• 数据拟合方式
  直线->单变量 线性回归 使用正规方程和梯度下降求解
  曲线->多变量 多项式回归 梯度下降算法求解最优解

  ps:使用正规方程需要实例矩阵需要可逆即特征和训练集实例数一致