【人工智能 | 机器学习 | 理论篇】线性模型

---

1. 基本形式

设有 d 个属性描述的示例
$$x=(x_1,x_2,x_3,...,x_d)$$
线性模型（linear model）：学得通过属性的线性组合进行预测的函数
$$f(x)=w_1{x}_1+w_2{x}_2+...+w_d{x}_d+b$$
向量形式：
$$f(x)=w^{T}x+b$$
其中，$w=(w_1,w_2,...,w_d)$
学得 $w$ 和 $b$ 后，模型得以确定

1. 许多功能强大的 非线性模型（nonlinear model） 可在线性模型基础上引入 层级结构 或 高维映射 而得
2. $w$ 直观表达各属性在预测中的重要性，因此 线性模型有很好的 可解释性（comporehensibility）

对 2，例如：
$$f_{好瓜}(x)=0.2x_{色泽}+0.5x_{根蒂}+0.3x_{敲声}+1$$
则：好瓜可由 色泽、根蒂、敲声 判断。根蒂 > 敲声 > 色泽

2. 线性回归

令 数据集
$$D=\{(x_1,y_1),(x_2,y_2),...,(x_m,y_m)\}；其中：x_i=(x_{i1},x_{i2},...,x_{id}),y_i\in R$$
对于离散属性，若属性值之间存在 “序” 的关系，则可将取值通过连续化转为连续值。例如：将高度的高、矮转为{1.0, 0.5, 0.0}；
若不存在 “序” 的关系，假定有 k 个属性值，则通常将取值转化为 k 维向量。例如：瓜类的取值 西瓜、南瓜、黄瓜 可转化为 （0，0，1），（0，1，0），（1，0，0）

线性回归试图学得
$$f(x_i)=w{x}_i+b，\mapsto f(x_i)\approx y_i$$

要确定 $w$ 和 $b$，关键在于衡量 $f(x)$ 和 $y$ 之间的差别。通常用 均方误差（Mean Squared Error, MSE） 作为 回归任务 的性能度量，让均方误差最小化，即

$w^{\ast }，b^{\ast }$ 表示 $w$ 和 $b$ 的解

最小二乘法（Least Squares Method）：基于 均方误差 最小化进行模型求解的方法。在线性回归中，试图找到一条直线，使所有样本到直线上的 欧氏距离 之和最小。
欧氏距离（Euclidean distance）：$d(x,y)=\sqrt{{\Sigma }_{j=1}^n(x_j-y_j{)}^2}$。（x, y) 表示 n 维坐标中的两个向量

求解 $w$ 和 $b$ 使
$$E_{(w,b)}={\Sigma }_{i=1}^m(y_i-w{x}_i-b{)}^2$$
的过程称为 线性回归模型的最小二乘“参数估计”（parameter estimation）

$E$ 表示 误差平方和（Sum of Squared Errors, SSE），即：每一组数据与真实数据之间差的平方和

对上式求偏导，得

令以上两个偏导数为 0，得到 $w$ 和 $b$ 的闭式解

上面式子是基于单个属性求得的 一元线性回归模型，针对 一元数据集 的误差平方和。通常样本由多个属性描述（涉及多个自变量）即 多元线性回归模型，此时我们要学得的是（向量形式）：
$$f(x_i)=w^T{x}_i+b,\mapsto f(x_i)\approx y_i$$

多元线性模型的误差平方和可由一元的得出为：
$$E_{(w,b)}={\Sigma }_{i=1}^m(y_i-({\Sigma }_{j=1}^n{w}_j{x}_{ij}+b){)}^2$$

用最小二乘法对 $w$ 和 $b$ 进行估计：
首先把 $w$ 和 $b$ 写成向量形式
$$\hat{w}=(w,b)$$

此处的 $w$ 也是一个向量，有 d 个属性，d 表示数据集的属性描述个数，即 每个样本 d 个属性值对应的系数

把数据集（m 个样本，每个样本由 d 个属性描述）表示为 $m\ast (d+1)$ 大小的矩阵 $X$。显然由公式可知最后一个元素恒为 1
即：

此时，模型公式由向量形式表示为：
$$f(\hat{x})=X\hat{w}$$
类比一元线性模型，我们要求解使误差平方和最小，可得

令偏层数为0求出 $w$ 和 $b$，但多元求解比一元求解复杂。

此处假设$X^{T}X$是可逆的，是为了让回归系数 $\hat{w}$可以被惟一确定。实际应用中当发现 $X^{T}X$ 不可逆时，需要用其他方法处理（例如特征值分解、岭回归、主成分回归等）

线性模型让预测值逼近真实值 y。但示例对应的预测值不一定是线性尺度上的变化。比如可能是对数尺度上的变化，即
$$\begin{gathered} lny=w^T+b \\ y=e^{w^{T}x}+b \end{gathered}$$

第一个式子 ln y 形式上是线性的，但实质上已经是输入空间到输出空间的非线性函数映射。大胆一点，考虑单调可微函数 $g$，可以得到 广义线性模型（generalized linear model）
$$\begin{gathered} g(y)=w^{T}x+b \\ y=g^{-1}(w^{T}x+b) \end{gathered}$$
对数线性回归是广义线性模型在 $g=ln$ 时的特例

3. 对数几率回归

上述分类得到的结果是一个数值，将结果与分类联系起来，可以找一个单调可微的函数 $g$

通常用 对数几率函数（logistic function） 当作 $g$

这里的 z 和 y 都是预测值。z 表示线性模型的 $w^{T}x+b$，y 表示广义线性模型的预测值 y。
代入可得

该式也可以写为


对数几率回归：用 线性回归模型的预测结果逼近 真实标记的对数几率

比如求得某样例的 y 为0.8，而 1 表示正例，0表示反倒，那 样例为正的概率为 0.8，为反例概率为 1 - y = 1 - 0.8 = 0.2

我们要求解上式的 $w$ 和 $b$，将上式可写为


$p(y=0|x)为1-y$

4. 线性判别分析

线性判别分析（Linear Discriminant Analysis，LDA）：给定训练样例集，高潮将样例投影到一条直线上，使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离；在对新样本分类时，将其投影到同样的这条直线上，再根据投影点的位置来确定样本的类别

以下是求解 $w$ 的一些计算过程：




结论：

将 LDA 推广到多分类任务：

5. 多分类学习

多分类学习的基本思路：拆解为若干个二分类任务，对每个二分类任务训练一个分类器，将所有预测结果集成，获得多分类结果
拆分策略：一对一（OvO），一对其余（OvR），多对多（MvM）

OvO：
OvR：


OvO 与 OvR 示意图：

OvO 与 OvR 成本对比：

MvM：

将测试示例用 4 个分类器预测，对于 分类器 f1，f1训练时将 C2 作为正例，测试示例在 f1 下被判定为反例，依次进行 5 个分类器判定


海明距离：计算正例集合与反例集合类别的中心样本与测试样例的海明距离。会计算出两个值，选最小的一个作为类别判定

假设有两个二进制字符串：
样本1: 11001
样本2: 10110
有 4 个值不同，所以海明距离 = 4

叫纠错输出码，是因为分类器有一定的容错纠正能力

6. 类别不平衡问题

正反例样本数目判别过大时，会对训练结果产生很大影响。例如正例999个，反例1个，只需要永远返回正例，精度就能达到 99.9%。但这没有意义

OvR、MvM 策略可能出现类别不平衡现象
正反例相同时，判定依据可为：
$$\frac{y}{1-y}>1$$
正反例不同，正例判定：
$$\frac{y}{1-y}>\frac{m^{+}}{m^{-}}$$
所以，决策时，可以：

称为 阈值移动
欠采样：主动移除多的一部分正例或反例
过采样：主动增加少的那方数量