在普通的递推最小二乘算法中,随着数据的不断到来,显然矩阵 X T X X^TX XTX中的元素会变得越来越大,而矩阵 P k P_k Pk作为 X T X X^TX XTX的逆矩阵,则会逐渐趋于零,这时,模型将无法继续更新或者更新极其缓慢,这就是数据饱和现象。我们也可以更加直观的理解为,由于过去累加了很多的数据,当前到来的数据与之前累加的数据相比就如一滴水掉落到大海,不会惊起任何波澜。针对数据饱和问题,其中一个解决方案就是带遗忘因子的递推最小二乘法。
假设有数据 ( X , Y ) (X,Y) (X,Y),其中 X ∈ R m × d X \in {\mathbb{R}^{m \times d}} X∈Rm×d, Y ∈ R m × 1 Y \in {\mathbb{R}^{m \times 1}} Y∈Rm×1, m m m为样本数, d d d为特征数,考虑最小二乘解
θ 0 = ( X T X ) − 1 X T Y = Σ 0 − 1 X T Y (1) \begin{aligned}{\theta_0} = {\left( {{X^{\rm{T}}}X} \right)^{ - 1}}{X^{\rm{T}}}Y = {\Sigma_0}^{-1}{X^{\rm{T}}}Y \tag{1}\end{aligned} θ0=(XTX)−1XTY=Σ0−1XTY(1)
⇒ Σ 0 θ 0 = X T Y (2) \Rightarrow {\Sigma_0}{\theta_0} = {X^{\rm{T}}}Y \tag{2} ⇒Σ0θ0=XTY(2)
当新数据
(
X
1
,
Y
1
)
\left( {{X_1},{Y_1}} \right)
(X1,Y1)到来时,更新模型。我们希望当前的数据对于回归结果更加重要,而过去数据的重要性随着时间的回溯依次降低,从而使得模型能够更好的适应当前数据的变化,克服数据饱和问题。为了达到上述目的,我们可以给之前数据的损失乘以一个权重
α
,
0
<
α
<
1
\alpha, 0<\alpha<1
α,0<α<1,即
α
∥
Y
−
X
θ
∥
2
2
+
∥
Y
1
−
X
1
θ
∥
2
2
=
∥
[
α
Y
Y
1
]
−
[
α
X
X
1
]
θ
∥
2
2
\alpha \left\| {Y - X\theta } \right\|_2^2 + \left\| {{Y_1} - {X_1}\theta } \right\|_2^2 = \left\| {\left[ {\begin{array}{cc} {\sqrt \alpha Y} \\ {{Y_1}} \end{array}} \right] - \left[ {\begin{array}{cc} {\sqrt \alpha X} \\ {{X_1}} \end{array}} \right]\theta } \right\|_2^2
α∥Y−Xθ∥22+∥Y1−X1θ∥22=∥∥∥∥[αYY1]−[αXX1]θ∥∥∥∥22
于是得到新的回归系数
θ 1 = ( [ α X X 1 ] T [ α X X 1 ] ) − 1 [ α X X 1 ] T [ α Y Y 1 ] = Σ 1 − 1 [ α X X 1 ] T [ α Y Y 1 ] (3) \begin{aligned} {\theta_1} &= {\left( {{{\left[ {\begin{array}{cc} {\sqrt \alpha }X\\ {{X_1}} \end{array}} \right]}^{\rm{T}}}\left[ {\begin{array}{cc} {\sqrt \alpha }X\\ {{X_1}} \end{array}} \right]} \right)^{ - 1}}{\left[ {\begin{array}{cc} {\sqrt \alpha }X\\ {{X_1}} \end{array}} \right]^{\rm{T}}}\left[ {\begin{array}{cc} {\sqrt \alpha }Y\\ {{Y_1}} \end{array}} \right] \\ &= {\Sigma _1}^{ - 1}{\left[ {\begin{array}{cc} {\sqrt \alpha }X\\ {{X_1}} \end{array}} \right]^{\rm{T}}}\left[ {\begin{array}{cc} {\sqrt \alpha }Y\\ {{Y_1}} \end{array}} \right]\tag{3} \end{aligned} θ1=([αXX1]T[αXX1])−1[αXX1]T[αYY1]=Σ1−1[αXX1]T[αYY1](3)
其中
Σ 1 = [ α X X 1 ] T [ α X X 1 ] = α X T X + X 1 T X 1 = α Σ 0 + X 1 T X 1 (4) \begin{aligned} {\Sigma _1} &= {\left[ {\begin{array}{cc} {\sqrt \alpha }X\\ {{X_1}} \end{array}} \right]^{\rm{T}}}\left[ {\begin{array}{cc} {\sqrt \alpha }X\\ {{X_1}} \end{array}} \right] \\ &= \alpha {X^{\rm{T}}}X + X_1^{\rm{T}}{X_1} \\ &= \alpha {\Sigma _0} + X_1^{\rm{T}}{X_1} \end{aligned} \tag{4} Σ1=[αXX1]T[αXX1]=αXTX+X1TX1=αΣ0+X1TX1(4)
⇒ α Σ 0 = Σ 1 − X 1 T X 1 (5) \begin{aligned} \Rightarrow \alpha {\Sigma _0} = {\Sigma _1} - X_1^{\rm{T}}{X_1} \end{aligned} \tag{5} ⇒αΣ0=Σ1−X1TX1(5)
根据公式(4)的结果,通过归纳可得
Σ
k
=
α
Σ
k
−
1
+
X
k
T
X
k
(6)
\begin{aligned} {\Sigma _k} = \alpha {\Sigma _{k - 1}} + X_k^{\rm{T}}{X_k} \end{aligned} \tag{6}
Σk=αΣk−1+XkTXk(6)
从公式(6)可以很容易看出,这是一个典型的套娃行为,当前的权重为1,上一次的权重为
α
\alpha
α,通过一次套娃
α
Σ
k
−
1
=
α
2
Σ
k
−
2
+
α
X
k
−
1
T
X
k
−
1
\alpha{\Sigma _{k-1}} = \alpha^2 {\Sigma _{k - 2}} + \alpha X_{k-1}^{\rm{T}}{X_{k-1}}
αΣk−1=α2Σk−2+αXk−1TXk−1,我们发现上上次的权重变成了
α
2
\alpha^2
α2,依次类推,最终我们发现随着时间的回溯,越久的数据权重会越来越低并逐渐趋于0。
[
α
X
X
1
]
T
[
α
Y
Y
1
]
=
α
X
T
Y
+
X
1
T
Y
1
=
α
Σ
0
θ
0
+
X
1
T
Y
1
/
/
公
式
(
2
)
结
果
替
换
得
到
=
(
Σ
1
−
X
1
T
X
1
)
θ
0
+
X
1
T
Y
1
/
/
公
式
(
5
)
结
果
替
换
得
到
=
Σ
1
θ
0
+
X
1
T
(
Y
1
−
X
1
θ
0
)
(7)
\begin{aligned} {\left[ {\begin{array}{cc} {\sqrt \alpha }X\\ {{X_1}} \end{array}} \right]^{\rm{T}}}\left[ {\begin{array}{cc} {\sqrt \alpha }Y\\ {{Y_1}} \end{array}} \right] &= \alpha {X^{\rm{T}}}Y + X_1^{\rm{T}}{Y_1}\\ &= \alpha {\Sigma _0}{\theta_0} + X_1^{\rm{T}}{Y_1} \quad //公式(2)结果替换得到\\ &= \left( {{\Sigma _1} - X_1^{\rm{T}}{X_1}} \right){\theta_0} + X_1^{\rm{T}}{Y_1} \quad //公式(5)结果替换得到\\ &= {\Sigma _1}{\theta_0} + X_1^{\rm{T}}\left( {{Y_1} - {X_1}{\theta_0}} \right) \end{aligned} \tag{7}
[αXX1]T[αYY1]=αXTY+X1TY1=αΣ0θ0+X1TY1//公式(2)结果替换得到=(Σ1−X1TX1)θ0+X1TY1//公式(5)结果替换得到=Σ1θ0+X1T(Y1−X1θ0)(7)
将公式(7)回带到公式(3):
θ 1 = Σ 1 − 1 ( Σ 1 θ 0 + X 1 T ( Y 1 − X 1 θ 0 ) ) = θ 0 + Σ 1 − 1 X 1 T ( Y 1 − X 1 θ 0 ) (8) \begin{aligned} {\theta_1} &= {\Sigma _1}^{ - 1}\left( {{\Sigma _1}{\theta_0} + X_1^{\rm{T}}\left( {{Y_1} - {X_1}{\theta_0}} \right)} \right) \\ &= {\theta_0} + {\Sigma _1}^{ - 1}X_1^{\rm{T}}\left( {{Y_1} - {X_1}{\theta_0}} \right) \end{aligned} \tag{8} θ1=Σ1−1(Σ1θ0+X1T(Y1−X1θ0))=θ0+Σ1−1X1T(Y1−X1θ0)(8)
根据公式(8)的结果,通过归纳可得
θ
k
=
θ
k
−
1
+
Σ
k
−
1
X
k
T
(
Y
k
−
X
k
θ
k
−
1
)
(9)
\begin{aligned} {\theta_k} = {\theta_{k - 1}} + {\Sigma _k}^{ - 1}X_k^{\rm{T}}\left( {{Y_k} - {X_k}{\theta_{k - 1}}} \right) \end{aligned} \tag{9}
θk=θk−1+Σk−1XkT(Yk−Xkθk−1)(9)
到这里,已经能够实现对遗忘因子最小二乘的递推,其过程可概括如下,我们称为算法1:
- 根据公式(5)更新 Σ k = α Σ k − 1 + X k T X k {\Sigma _k} = \alpha {\Sigma _{k - 1}} + X_k^{\rm{T}}{X_k} Σk=αΣk−1+XkTXk;
- 根据公式(9)更新 θ k = θ k − 1 + Σ k − 1 X k T ( Y k − X k θ k − 1 ) {\theta_k} = {\theta_{k - 1}} + {\Sigma _k}^{ - 1}X_k^{\rm{T}}\left( {{Y_k} - {X_k}{\theta_{k - 1}}} \right) θk=θk−1+Σk−1XkT(Yk−Xkθk−1)。
但以上过程存在一个问题:
- 对矩阵 Σ k \Sigma_k Σk的求逆计算复杂度比较高,我们能否在递推过程中避免对 Σ k \Sigma_k Σk的求逆计算,而直接更新它的逆矩阵;
针对以上问题,我们要对公式进一步改造
根据Sherman-Morrison-Woodbury公式:
(
A
+
U
V
T
)
−
1
=
A
−
1
−
A
−
1
U
(
I
+
V
T
A
−
1
U
)
−
1
V
T
A
−
1
{\left( {A + U{V^{\rm{T}}}} \right)^{ - 1}} = {A^{ - 1}} - {A^{ - 1}}U{\left( {I + {V^{\rm{T}}}{A^{ - 1}}U} \right)^{ - 1}}{V^{\rm{T}}}{A^{ - 1}}
(A+UVT)−1=A−1−A−1U(I+VTA−1U)−1VTA−1
公式(6)的逆可写成如下形式
Σ
k
−
1
=
(
α
Σ
k
−
1
+
X
k
T
X
k
)
−
1
=
1
α
Σ
k
−
1
−
1
−
1
α
Σ
k
−
1
−
1
X
k
T
(
α
I
+
X
k
Σ
k
−
1
−
1
X
k
T
)
−
1
X
k
Σ
k
−
1
−
1
(10)
\begin{aligned} {\Sigma _k}^{ - 1} &= {\left( \alpha {{\Sigma _{k - 1}} + X_k^{\rm{T}}{X_k}} \right)^{ - 1}} \\ &= \frac{1}{\alpha } \Sigma _{k - 1}^{ - 1} - \frac{1}{\alpha }\Sigma _{k - 1}^{ - 1}X_k^{\rm{T}}{\left( {\alpha I + {X_k}\Sigma _{k - 1}^{ - 1}X_k^{\rm{T}}} \right)^{ - 1}}{X_k}\Sigma _{k - 1}^{ - 1} \end{aligned} \tag{10}
Σk−1=(αΣk−1+XkTXk)−1=α1Σk−1−1−α1Σk−1−1XkT(αI+XkΣk−1−1XkT)−1XkΣk−1−1(10)
令
P
k
=
∑
k
−
1
{P_k} = {\sum _k}^{ - 1}
Pk=∑k−1,公式(10)变为:
P
k
=
1
α
P
k
−
1
−
1
α
P
k
−
1
X
k
T
(
α
I
+
X
k
P
k
−
1
X
k
T
)
−
1
X
k
P
k
−
1
(11)
\begin{aligned} {P_k} = \frac{1}{\alpha }{P_{k - 1}} - \frac{1}{\alpha }{P_{k - 1}}X_k^{\rm{T}}{\left( {\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)^{ - 1}}{X_k}{P_{k - 1}} \end{aligned} \tag{11}
Pk=α1Pk−1−α1Pk−1XkT(αI+XkPk−1XkT)−1XkPk−1(11)
公式(9)变为:
θ
k
=
θ
k
−
1
+
P
k
X
k
T
(
Y
k
−
X
k
θ
k
−
1
)
(12)
\begin{aligned} {\theta_k} = {\theta_{k - 1}} + {P_k}X_k^{\rm{T}}\left( {{Y_k} - {X_k}{\theta_{k - 1}}} \right) \end{aligned} \tag{12}
θk=θk−1+PkXkT(Yk−Xkθk−1)(12)
注意到,公式(11)依然存在对
α
I
+
X
k
P
k
−
1
X
k
T
{\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}}
αI+XkPk−1XkT 的求逆运算,这似乎依然没有解决上述问题1,我们避免了对
Σ
k
\Sigma_k
Σk 的求逆,但却又引入了一个新的逆。事实上,如果数据是逐个到达的,则
X
k
X_k
Xk 为一个行向量(在本文中,一个样本我们用行向量表示,这主要是因为本文规定数据矩阵中每一行代表一个样本),因此
α
I
+
X
k
P
k
−
1
X
k
T
{\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}}
αI+XkPk−1XkT 最终得到结果为一个数值,我们无需矩阵求逆计算,只需要取它的倒数就好了,即
P
k
=
1
α
P
k
−
1
−
1
α
P
k
−
1
X
k
T
X
k
P
k
−
1
α
+
X
k
P
k
−
1
X
k
T
(13)
\begin{aligned} {P_k} = \frac{1}{\alpha } {P_{k - 1}} - \frac{1}{\alpha } \frac{{{P_{k - 1}}X_k^{\rm{T}}{X_k}{P_{k - 1}}}}{{\alpha + {X_k}{P_{k - 1}}X_k^{\rm{T}}}} \end{aligned} \tag{13}
Pk=α1Pk−1−α1α+XkPk−1XkTPk−1XkTXkPk−1(13)
于是我们得到了新的递推算法如下,我们称为算法2:
- 根据公式(13)更新 P k = 1 α P k − 1 − 1 α P k − 1 X k T X k P k − 1 α + X k P k − 1 X k T ; {P_k} = \frac{1}{\alpha } {P_{k - 1}} - \frac{1}{\alpha } \frac{{{P_{k - 1}}X_k^{\rm{T}}{X_k}{P_{k - 1}}}}{{\alpha + {X_k}{P_{k - 1}}X_k^{\rm{T}}}}; Pk=α1Pk−1−α1α+XkPk−1XkTPk−1XkTXkPk−1;
- 根据公式(12)更新 θ k = θ k − 1 + P k X k T ( Y k − X k θ k − 1 ) {\theta_k} = {\theta_{k - 1}} + {P_k}X_k^{\rm{T}}\left( {{Y_k} - {X_k}{\theta_{k - 1}}} \right) θk=θk−1+PkXkT(Yk−Xkθk−1)。
一些书上的递推算法可能并非这样的形式,我们可以进一步对上述过程进行一些整理。在一些书中,
K
k
=
P
k
X
k
T
{K_k} = {P_k}X_k^{\rm{T}}
Kk=PkXkT也被称为增益,
Y
k
−
X
k
θ
k
−
1
{Y_k} - {X_k}{\theta_{k - 1}}
Yk−Xkθk−1被称为新息,顾名思义,就是引入的新信息。
K
k
=
P
k
X
k
T
=
(
1
α
P
k
−
1
−
1
α
P
k
−
1
X
k
T
(
α
I
+
X
k
P
k
−
1
X
k
T
)
−
1
X
k
P
k
−
1
)
X
k
T
/
/
公
式
(
11
)
结
果
替
换
得
到
=
P
k
−
1
X
k
T
(
1
α
I
−
1
α
(
α
I
+
X
k
P
k
−
1
X
k
T
)
−
1
X
k
P
k
−
1
X
k
T
)
=
P
k
−
1
X
k
T
(
α
I
+
X
k
P
k
−
1
X
k
T
)
−
1
(
1
α
(
α
I
+
X
k
P
k
−
1
X
k
T
)
−
1
α
X
k
P
k
−
1
X
k
T
)
=
P
k
−
1
X
k
T
(
α
I
+
X
k
P
k
−
1
X
k
T
)
−
1
(14)
\begin{aligned} {K_k} &= {P_k}X_k^{\rm{T}}\\ &= \left( \frac{1}{\alpha } {{P_{k - 1}} - \frac{1}{\alpha }{P_{k - 1}}X_k^{\rm{T}}{{\left( {\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)}^{ - 1}}{X_k}{P_{k - 1}}} \right)X_k^{\rm{T}} \quad //公式(11)结果替换得到\\ &= {P_{k - 1}}X_k^{\rm{T}}\left( {\frac{1}{\alpha } I - \frac{1}{\alpha } {{\left( {\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)}^{ - 1}}{X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)\\ &= {P_{k - 1}}X_k^{\rm{T}}{\left( {\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)^{ - 1}}\left( \frac{1}{\alpha } {\left( {\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right) - \frac{1}{\alpha } {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)\\ &= {P_{k - 1}}X_k^{\rm{T}}{\left( {\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)^{ - 1}} \end{aligned} \tag{14}
Kk=PkXkT=(α1Pk−1−α1Pk−1XkT(αI+XkPk−1XkT)−1XkPk−1)XkT//公式(11)结果替换得到=Pk−1XkT(α1I−α1(αI+XkPk−1XkT)−1XkPk−1XkT)=Pk−1XkT(αI+XkPk−1XkT)−1(α1(αI+XkPk−1XkT)−α1XkPk−1XkT)=Pk−1XkT(αI+XkPk−1XkT)−1(14)
将公式(14)的结果代入到公式(11)可得
P
k
=
1
α
P
k
−
1
−
1
α
K
k
X
k
P
k
−
1
=
1
α
(
I
−
K
k
X
k
)
P
k
−
1
(15)
\begin{aligned} {P_k} = \frac{1}{\alpha } {P_{k - 1}} - \frac{1}{\alpha } {K_k}{X_k}{P_{k - 1}} = \frac{1}{\alpha } \left( {I - {K_k}{X_k}} \right){P_{k - 1}} \end{aligned} \tag{15}
Pk=α1Pk−1−α1KkXkPk−1=α1(I−KkXk)Pk−1(15)
于是,算法2可进一步的写为如下形式,我们称为算法3:
- 根据公式(14)更新模型增益 K k = P k − 1 X k T ( α I + X k P k − 1 X k T ) − 1 {K_k} = {P_{k - 1}}X_k^{\rm{T}}{\left( {\alpha I + {X_k}{P_{k - 1}}X_k^{\rm{T}}} \right)^{ - 1}} Kk=Pk−1XkT(αI+XkPk−1XkT)−1;
- 根据公式(15)更新 P k = 1 α ( I − K k X k ) P k − 1 {P_k} = \frac{1}{\alpha } \left( {I - {K_k}{X_k}} \right){P_{k - 1}} Pk=α1(I−KkXk)Pk−1;
- 更新回归系数 θ k = θ k − 1 + K k ( Y k − X k θ k − 1 ) {\theta_k} = {\theta_{k - 1}} + {K_k}\left( {{Y_k} - {X_k}{\theta_{k - 1}}} \right) θk=θk−1+Kk(Yk−Xkθk−1)