线性回归(Linear Regression)
单变量线性回归 (Linear regression with one variable / Univariate linear regression)
多变量线性回归 (Linear regression with multiple variables / Multivariate linear regression)
标记符号:
- m m m — 训练样本的数量
- x x x — 输入变量/特征
- y y y — 输出变量
- ( x , y ) (x,y ) (x,y) — 一个训练样本
- ( x ( i ) , y ( i ) ) (x^{(i)}, y^{(i)}) (x(i),y(i)) — 第 i i i个训练样本
- n n n — 特征的数量
- x ( i ) x^{(i)} x(i) — 第 i i i个样本输入
- x j ( i ) x_j^{(i)} xj(i) — 第 i i i个样本输入的第 j j j个特征
假设函数(Hypothesis)
假设函数表示对于某一个输入样本
x
x
x,返回对应预测的值
h
h
h,而真实值是
y
y
y。
假设函数基于参数
θ
\theta
θ,其表达式如下:
h
θ
(
x
)
=
θ
0
+
θ
1
x
1
+
θ
2
x
2
+
.
.
.
+
θ
n
x
n
h_\theta(x)=\theta_0+\theta_1x_1+\theta_2x_2+...+\theta_nx_n\\
hθ(x)=θ0+θ1x1+θ2x2+...+θnxn
另外的定义
x
0
=
1
x_0=1
x0=1,那么假设函数就可以通过两个向量的乘积来表示:
x
=
[
x
0
x
1
x
2
.
.
.
x
n
]
θ
=
[
θ
0
θ
1
θ
2
.
.
.
θ
n
]
x=\begin{bmatrix}x_0\\x_1\\x_2\\.\\.\\.\\x_n\end{bmatrix}\qquad \theta=\begin{bmatrix}\theta_0\\\theta_1\\\theta_2\\.\\.\\.\\\theta_n\end{bmatrix}
x=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡x0x1x2...xn⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤θ=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡θ0θ1θ2...θn⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤
h θ ( x ) = θ 0 x 0 + θ 1 x 1 + . . . θ n x n = θ T x \begin{aligned} h_\theta(x) &=\theta_0x_0+\theta_1x_1+...\theta_nx_n\\ &=\theta^Tx \end{aligned} hθ(x)=θ0x0+θ1x1+...θnxn=θTx
代价函数(Cost Function)
代价函数用于评判模型的好坏,类似于假设函数所得值与实际值的方差:
J
(
θ
0
,
θ
1
,
.
.
.
,
θ
n
)
=
1
2
m
∑
i
=
1
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
2
J(\theta_0,\theta_1,...,\theta_n)=\frac{1}{2m}\sum_{i=1}^{m}(h_\theta(x^{(i)})-y^{(i)})^2
J(θ0,θ1,...,θn)=2m1i=1∑m(hθ(x(i))−y(i))2
梯度下降(Gradient Descent )
“Batch” Gradient Descent
“Batch”: Each step of gradient descent uses all the training examples.
n
n
n个特征的梯度下降一般算法:
r
e
p
e
a
t
u
n
t
i
l
c
o
n
v
e
r
g
e
n
c
e
{
θ
j
:
=
θ
j
−
α
∂
∂
θ
j
J
(
θ
0
,
θ
1
.
.
.
θ
n
)
}
\begin{aligned} & repeat\;until\;convergence\;\{\\ & \qquad \theta_j:=\theta_j-\alpha \frac{\partial}{\partial\theta_j}J(\theta_0,\theta_1...\theta_n)\\ & \}\\ \end{aligned}
repeatuntilconvergence{θj:=θj−α∂θj∂J(θ0,θ1...θn)}
化简一下就可得:
r
e
p
e
a
t
u
n
t
i
l
c
o
n
v
e
r
g
e
n
c
e
{
θ
j
:
=
θ
j
−
α
1
m
∑
i
=
1
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
∗
x
j
(
i
)
}
\begin{aligned} & repeat\;until\;convergence\;\{\\ & \qquad \theta_j:=\theta_j-\alpha\frac{1}{m}\sum_{i=1}^{m}(h_\theta(x^{(i)})-y^{(i)})*x_j^{(i)} \\ & \}\\ \end{aligned}
repeatuntilconvergence{θj:=θj−αm1i=1∑m(hθ(x(i))−y(i))∗xj(i)}
用后面所说的设计矩阵表示的话会更加简单:
r
e
p
e
a
t
u
n
t
i
l
c
o
n
v
e
r
g
e
n
c
e
{
θ
:
=
θ
−
α
1
m
(
X
θ
T
−
y
)
T
X
}
\begin{aligned} & repeat\;until\;convergence\;\{\\ & \qquad \theta:=\theta-\alpha\frac{1}{m}(X\theta^T-y)^TX \\ & \}\\ \end{aligned}
repeatuntilconvergence{θ:=θ−αm1(XθT−y)TX}
-
α \alpha α (Learning rate): 控制参数 θ \theta θ变化的快慢
- 如果 α \alpha α 太小,梯度下降就会太慢
- 如果 α \alpha α 太大,在跌倒中,有可能越过最低点,代价函数 J ( θ ) J(\theta) J(θ) 可能会上升; 最后不能收敛(converge),甚至发散(diverge)。
- 对于 α \alpha α, 可以这样一次乘三倍的去尝试 . . . , 0.001 , 0.003 , 0.01 , 0.03 , 0.1 , 0.3 , 1 , . . . ...,0.001,0.003,0.01,0.03,0.1,0.3,1,... ...,0.001,0.003,0.01,0.03,0.1,0.3,1,...
-
梯度(Gradient) 也就是下降速度,表示为斜率,每个参数按照不同方向的斜率,尽快的下降。越接近最小值,变化速率也会随着斜率的减小自动的减小。
-
梯度下降很容易陷入局部最优,只要初始值偏离一点,最后也可能会落在不同的最优处。
-
但是对于线性回归来说,所有的函数都是凸函数,也就是说局部最优就是全局最优。
特征缩放(Feature Scaling)
-
在多元线性回归中,两个变量范围相差太大,每一次迭代的步子都可能会非常小,也就需要很多的迭代次数。
-
特征缩放的目的是让所有的变量 x i x_i xi取值都在 − 1 ≤ x i ≤ 1 -1\le x_i\le 1 −1≤xi≤1 之间。吴恩达给出的上下限: ( − 3 , 3 ) , ( − 1 3 , 1 3 ) (-3,3), (-\frac{1}{3},\frac{1}{3}) (−3,3),(−31,31)
-
均值归一(Mean normalization): x i = x i − μ i s i x_i=\frac{x_i-\mu_i}{s_i} xi=sixi−μi
μ i = x i 的平均值 \mu_i= x_i\text{的平均值} μi=xi的平均值
s i = x i 的取值范围 ( m a x − m i n ) s_i = x_i\text{的取值范围}\qquad (max-min) si=xi的取值范围(max−min)
多项式回归(Polynomial regression)
- 对于多项式模型的假设函数,如: h θ = θ 0 + θ 1 x + θ 2 x 2 + θ 3 x 3 h_\theta=\theta_0+\theta_1x+\theta_2x^2+\theta_3x^3 hθ=θ0+θ1x+θ2x2+θ3x3,可以令 x 1 = x , x 2 = x 2 , x 3 = x 3 x_1=x,x_2=x^2,x3=x^3 x1=x,x2=x2,x3=x3,然后使用普通线性回归的梯度下降即可。
- 通常需要特征缩放。
正规方程(Normal Equation)
对于
m
m
m 个样本,
n
n
n 个特征 的训练,我们可以表示
m
m
m个输入
x
(
i
)
x^{(i)}
x(i)和一个输出
y
y
y
把所有的特征向量
x
(
i
)
x^{(i)}
x(i)构造出设计矩阵(design matrix)
X
X
X。
x
(
i
)
=
[
x
0
i
x
1
i
x
2
i
.
.
.
x
n
i
]
∈
R
n
+
1
X
=
[
(
x
(
1
)
)
T
(
x
(
2
)
)
T
.
.
.
(
x
(
m
)
)
T
]
y
=
[
y
(
1
)
y
(
2
)
.
.
.
y
(
m
)
]
x^{(i)}= \begin{bmatrix} x_0^{i}\\ x_1^{i}\\ x_2^{i}\\ .\\ .\\ .\\ x_n^{i}\\ \end{bmatrix}\in \mathbb{R}^{n+1} \qquad\qquad X= \begin{bmatrix} (x^{(1)})^T\\ (x^{(2)})^T\\ .\\ .\\ .\\ (x^{(m)})^T \end{bmatrix} \qquad\qquad y= \begin{bmatrix} y^{(1)}\\ y^{(2)}\\ .\\ .\\ .\\ y^{(m)}\\ \end{bmatrix}
x(i)=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡x0ix1ix2i...xni⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤∈Rn+1X=⎣⎢⎢⎢⎢⎢⎢⎡(x(1))T(x(2))T...(x(m))T⎦⎥⎥⎥⎥⎥⎥⎤y=⎣⎢⎢⎢⎢⎢⎢⎡y(1)y(2)...y(m)⎦⎥⎥⎥⎥⎥⎥⎤
那么就可以神奇的得到向量
θ
\theta
θ,里面的数就是最优的参数。
θ
=
(
X
T
X
)
−
1
X
T
y
\theta=(X^TX)^{-1}X^Ty
θ=(XTX)−1XTy
与梯度下降相比,正则化不需要计算出 α \alpha α,也不需要多次的迭代。但如果 n n n太大,它的效率也不高,因为 X T X X^TX XTX是一个 n × n n\times n n×n的矩阵,求逆的复杂度是 O ( n 3 ) O(n^3) O(n3)
- 一般情况下 X T X X^TX XTX都是可以求逆的,就算不可以求逆, O c t a v e Octave Octave里的函数 p i n v pinv pinv也能够计算出逆。
- 不可求逆的一般原因:
- 特征之间线性依赖,存在多余的特征
- 特征过多 (
m
≤
n
m\le n
m≤n)
- 删除掉无关特征,或者使用正则化(regularization)