4.1模型之母：简单线性回归&最小二乘法学习笔记

1.简单线性回归

1.1 什么是简单线性回归

kNN算法属于分类(Classification)，即label为离散的类别型(categorical variable)，如：颜色类别、手机品牌、是否患病等。

而简单线性回归是属于回归(regression)，即label为连续数值型(continuous numerical variable)，如：房价、股票价格、降雨量等。

那么什么是简单线性回归？

所谓简单，是指只有一个样本特征，即只有一个自变量；所谓线性，是指方程是线性的；所谓回归，是指用方程来模拟变量之间是如何关联的。

简单线性回归，其思想简单，实现容易（与其背后强大的数学性质相关。同时也是许多强大的非线性模型（多项式回归、逻辑回归、SVM）的基础。并且其结果具有很好的可解释性。

1.2 求解思路

假设我们找到了最佳拟合的直线方程：y = ax + b

则对于每个样本点$x^i$，根据我们的直线方程，预测值为：${\hat{y}}^i=a{x}^i+b$

直线方程能够尽可能地拟合真实情况，也就是说真值$y^i$和预测值${\hat{y}}^i$的差距尽量小。只有所有的样本的误差都小，才能证明我们找出的直线方程拟合性好。

通常来说，为了防止正误差值和负误差值相抵的情况，使用绝对值来表示距离：$|y^i-\widehat{y^i}|$，但是在线性回归中，我们需要找极值，需要函数可导，而$y=|x|$不是一个处处可导的函数，因此很自然地想到可以使用：$(y^i-\widehat{y^i}{)}^2$

考虑所有样本，我们推导出：$\begin{array}{c}{\sum }_{i=1}^m(y^i-\widehat{y^i}{)}^2\end{array}$

因此我们目标是：已知训练数据样本x、y ，找到a和b的值，使$\begin{array}{c}{\sum }_{i=1}^m(y^i-a{x}^i-b{)}^2\end{array}$尽可能小，从而得出最佳的拟合方程。

1.3一种基本推导思路

建模过程，其实就是找到一个模型，最大程度的拟合我们的数据。 在简单线回归问题中，模型就是我们的直线方程：y = ax + b 。

要想最大的拟合数据，本质上就是找到没有拟合的部分，也就是损失的部分尽量小，就是损失函数（loss function）（也有算法是衡量拟合的程度，称函数为效用函数（utility function））：$$\begin{array}{c}{\sum }_{i=1}^m(y^i-a{x}^i-b{)}^2\end{array}$$

因此，推导思路为：

1.通过分析问题，确定问题的损失函数或者效用函数；
2.然后通过最优化损失函数或者效用函数，获得机器学习的模型
近乎所有参数学习算法都是这样的套路，区别是模型不同，建立的目标函数不同，优化的方式也不同。

回到简单线性回归问题，目标：

已知训练数据样本x、y ，找到a和b的值，使$\begin{array}{c}{\sum }_{i=1}^m(y^i-a{x}^i-b{)}^2\end{array}$尽可能小

这是一个典型的最小二乘法问题（最小化误差的平方）

通过最小二乘法可以求出a、b的表达式：$$a=\frac{\begin{array}{c}{\sum }_{i=1}^m(y^i-\bar{y})((x^i-\bar{x})\end{array}}{\begin{array}{c}{\sum }_{i=1}^m(x^i-\bar{x}{)}^2\end{array}}b=\bar{y}-a\bar{x}$$

2. 最小二乘法

2.1 由损失函数引出一堆“风险”

2.1.1 损失函数

在机器学习中，所有的算法模型其实都依赖于最小化或最大化某一个函数，我们称之为“目标函数”。

最小化的这组函数被称为“损失函数”。什么是损失函数呢？

损失函数描述了单个样本预测值和真实值之间误差的程度。用来度量模型一次预测的好坏。

损失函数是衡量预测模型预测期望结果表现的指标。损失函数越小，模型的鲁棒性越好。

常用损失函数有：

• 0-1损失函数：用来表述分类问题，当预测分类错误时，损失函数值为1，正确为0
  $$L(Y,f(X))=\{\begin{array}{l}1,Y\ne f(X)\\ 0,Y=f(X)\end{array}$$

• 平方损失函数：用来描述回归问题，用来表示连续性变量，为预测值与真实值差值的平方。（误差值越大、惩罚力度越强，也就是对差值敏感）
  $$L(Y,f(X))=(Y-f(X){)}^2$$

• 绝对损失函数：用在回归模型，用距离的绝对值来衡量
  $$L(Y,f(X))=|Y-f(X)|$$

• 对数损失函数：是预测值Y和条件概率之间的衡量。事实上，该损失函数用到了极大似然估计的思想。P(Y|X)通俗的解释就是：在当前模型的基础上，对于样本X，其预测值为Y，也就是预测正确的概率。由于概率之间的同时满足需要使用乘法，为了将其转化为加法，我们将其取对数。最后由于是损失函数，所以预测正确的概率越高，其损失值应该是越小，因此再加个负号取个反。
  $$L(Y,f(X))=-\log P(Y|X)$$

以上损失函数是针对于单个样本的，但是一个训练数据集中存在N个样本，N个样本给出N个损失，如何进行选择呢？

这就引出了风险函数。

2.1.2 期望风险

期望风险是损失函数的期望，用来表达理论上模型f(X)关于联合分布P(X,Y)的平均意义下的损失。又叫期望损失/风险函数。

$R_{exp}(f)=E_p[L(Y,f(X))]={\int }_{XxY}L(y,f(x))F(x,y)\mathrm{d}x\mathrm{d}y$

2.1.3 经验风险

模型f(X)关于训练数据集的平均损失，称为经验风险或经验损失。

其公式含义为：模型关于训练集的平均损失（每个样本的损失加起来，然后平均一下）

$R_{exp}(f)=\frac{1}{N}{\sum }_{i=1}^{N}L(y_i,f(x_i))$

经验风险最小的模型为最优模型。在训练集上最小经验风险最小，也就意味着预测值和真实值尽可能接近，模型的效果越好。公式含义为取训练样本集中对数损失函数平均值的最小。

$\underset{f\in F}{\min }\frac{1}{N}{\sum }_{i=1}^{N}L(y_i,f(x_i))$

2.1.4 经验风险最小化和结构风险最小化

期望风险是模型关于联合分布的期望损失，经验风险是模型关于训练样本数据集的平均损失。根据大数定律，当样本容量N趋于无穷时，经验风险趋于期望风险。

因此很自然地想到用经验风险去估计期望风险。但是由于训练样本个数有限，可能会出现过度拟合的问题，即决策函数对于训练集几乎全部拟合，但是对于测试集拟合效果过差。因此需要对其进行矫正：

• 结构风险最小化：当样本容量不大的时候，经验风险最小化容易产生“过拟合”的问题，为了“减缓”过拟合问题，提出了结构风险最小理论。结构风险最小化为经验风险与复杂度同时较小。
  $$\underset{f\in F}{\min }\frac{1}{N}\sum _{i=1}^{N}L(y_i,f(x_i))+\lambda J(f)$$

通过公式可以看出，结构风险：在经验风险上加上一个正则化项(regularizer)，或者叫做罚项(penalty) 。正则化项是J(f)函数的复杂度再乘一个权重系数（用以权衡经验风险和复杂度）

2.1.5 小结

1、损失函数：单个样本预测值和真实值之间误差的程度。

2、期望风险：是损失函数的期望，理论上模型f(X)关于联合分布P(X,Y)的平均意义下的损失。

3、经验风险：模型关于训练集的平均损失（每个样本的损失加起来，然后平均一下）。

4、结构风险：在经验风险上加上一个正则化项，防止过拟合的策略。

2.2 最小二乘法

2.2.1 什么是最小二乘法

最小二乘法源于法国数学家阿德里安的猜想：

对于测量值来说，让总的误差的平方最小的就是真实值。这是基于，如果误差是随机的，应该围绕真值上下波动。

即：
$$ϵ=\sum (y-y_i{)}^2最小\Rightarrow 真值y$$

为了求出这个二次函数的最小值，对其进行求导，导数为0的时候取得最小值：
$$\frac{\mathrm{d}}{\mathrm{d}y}ϵ=\frac{\mathrm{d}}{\mathrm{d}y}\sum (y-y_i{)}^2=2\sum (y-y_i)=2((y-y_1)+(y-y_2)+(y-y_3)+(y-y_4)+(y-y_5))=0$$

进而：

$$5y=y_1+y_2+y_3+y_4+y_5\Rightarrow y=\frac{y_1+y_2+y_3+y_4+y_5}{5}$$

正好是算数平均数（算数平均数是最小二乘法的特例）。

这就是最小二乘法，所谓“二乘”就是平方的意思。

（高斯证明过：如果误差的分布是正态分布，那么最小二乘法得到的就是最有可能的值。）

2.2.2 线性回归中的应用

目标是，找到a和b，使得损失函数：$\begin{array}{c}{\sum }_{i=1}^m(y^i-a{x}^i-b{)}^2\end{array}$尽可能的小。

将简单线性问题转为最优化问题。下面对函数的各个位置分量求导，导数为0的地方就是极值：

J(a,b)对b进行求导：
KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ \frac{\partial…

然后mb提到等号前面，两边同时除以m，等号右面的每一项相当于均值。
$$mb=\begin{array}{c}{\sum }_{i=1}^m{y}^i\end{array}-a\begin{array}{c}{\sum }_{i=1}^m{x}^i\end{array}$$
$$b=\bar{y}-a\bar{x}$$

现在J(a,b) 对 a进行求导：KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ \frac{\partial…

此时将对b进行求导得到的结果$b=\bar{y}-a\bar{x}$ 代入上式中，得到：
$$\begin{array}{c}{\sum }_{i=1}^m(y^i-a{x}^i-\bar{y}+a\bar{x})x_i\end{array}=0$$

将上式进行整理，最终我们通过最小二乘法得到a、b的表达式：
$$a=\frac{\begin{array}{c}{\sum }_{i=1}^m(y^i-\bar{y})((x^i-\bar{x})\end{array}}{\begin{array}{c}{\sum }_{i=1}^m(x^i-\bar{x}{)}^2\end{array}}b=\bar{y}-a\bar{x}$$