【概率与统计】最小二乘法

最小平方法是十九世纪统计学的主题曲。 从许多方面来看, 它之于统计学就相当于十八世纪的微积分之于数学。
----乔治·斯蒂格勒的《The History of Statistics》

1.日用而不知

来看一个生活中的例子。比如说，有五把尺子：

用它们来分别测量一线段的长度，得到的数值分别为（颜色指不同的尺子）：

之所以出现不同的值可能因为：

• 不同厂家的尺子的生产精度不同

• 尺子材质不同，热胀冷缩不一样

• 测量的时候心情起伏不定

• ......

总之就是有误差，这种情况下，一般取平均值来作为线段的长度：

日常中就是这么使用的。可是作为很事'er的数学爱好者，自然要想下：

• 这样做有道理吗？

• 用调和平均数行不行？

• 用中位数行不行？

• 用几何平均数行不行？

2. 最小二乘法

换一种思路来思考刚才的问题。

首先，把测试得到的值画在笛卡尔坐标系中，分别记作yi：

其次，把要猜测的线段长度的真实值用平行于横轴的直线来表示（因为是猜测的，所以用虚线来画），记作y:

每个点都向y做垂线，垂线的长度就是|y-yi|，也可以理解为测量值和真实值之间的误差：

因为误差是长度，还要取绝对值，计算起来麻烦，就干脆用平方来代表误差：

总的误差的平方就是：

因为y是猜测的，所以可以不断变换：

自然，总的误差也是在不断变化的。

法国数学家，阿德里安-馬里·勒讓德（1752－1833，这个头像有点抽象）提出让总的误差的平方最小的y就是真值，这是基于，如果误差是随机的，应该围绕真值上下波动（关于这点可以看下“如何理解无偏估计？”）。

这就是最小二乘法，即：

这个猜想也蛮符合直觉的，来算一下。

这是一个二次函数，对其求导，导数为0的时候取得最小值：

正好是算术平均数。

原来算术平均数可以让误差最小啊，这下看来选用它显得讲道理了。

以下这种方法：

就是最小二乘法，所谓“二乘”就是平方的意思，台湾直接翻译为最小平方法。

3. 推广

算术平均数只是最小二乘法的特例，适用范围比较狭窄。而最小二乘法用途就广泛。

比如温度与冰淇淋的销量：

看上去像是某种线性关系：

可以假设这种线性关系为：

通过最小二乘法的思想：

上图的i,x,y分别为：

总误差的平方为：

这个时候误差取最小值。

对于a,b而言，上述方程组为线性方程组，用之前的数据解出来：

也就是这根直线：

其实，还可以假设：

在这个假设下，可以根据最小二乘法，算出a,b,c，得到下面这根红色的二次曲线：

同一组数据，选择不同的f(x), 通过最小二乘法可以得到不一样的拟合曲线（出处）：

不同的数据，更可以选择不同的f(x), 通过最小二乘法可以得到不一样的拟合曲线：

f(x)也不能选择任意的函数，还是有一些讲究的，这里就不介绍了。

4. 最小二乘法与正态分布

我们对勒让德的猜测，即最小二乘法，仍然抱有怀疑，万一这个猜测是错误的怎么办？

数学王子高斯（1777－1855）也像我们一样心存怀疑。

高斯换了一个思考框架，通过概率统计那一套来思考。

让我们回到最初测量线段长度的问题。高斯想，通过测量得到了这些值：

每次的测量值xi都和线段长度的真值x之间存在一个误差：

这些误差最终会形成一个概率分布，只是现在不知道误差的概率分布是什么。假设概率密度函数为：

再假设一个联合概率密度函数，这样方便把所有的测量数据利用起来：

讲到这里，有些同学可能已经看出来了上面似然函数了（关于似然函数以及马上要讲到的极大似然估计，可以参考“如何理解极大似然估计法？”）。

因为L(x)是关于x的函数，并且也是一个概率密度函数（下面分布图形是随便画的）：

根据极大似然估计的思想，概率最大的最应该出现（既然都出现了，而我又不是“天选之才”，那么自然不会是发生了小概率事件），也就是应该取到下面这点：

当下面这个式子成立时，取得最大值：

然后高斯想，最小二乘法给出的答案是：

好，现在可以来解这个微分方程了。最终得到：

这是什么？这就是正态分布啊。

并且这还是一个充要条件：

也就是说，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。

那么误差的分布是正态分布吗？

我们相信，误差是由于随机的、无数的、独立的、多个因素造成的，比如之前提到的：

• 不同厂家的尺子的生产精度不同

• 尺子材质不同，热胀冷缩不一样

• 测量的时候心情起伏不定

• ......

那么根据中心极限定理（参考“为什么正态分布如此常见？”），误差的分布就应该是正态分布。

因为高斯的努力，才真正奠定了最小二乘法的重要地位。

例子

最小二乘法也被称作最小平方法，最常用的是普通最小二乘法（Ordinary Least Square），它是一种数学中的优化方法，试图找到一个或一组估计值，使得实际值与估计值的尽可能相似，距离最小，目的是通过已有的数据来预测未知数据。一般通过一条多元一次的直线方程，在二维坐标中即二元一次方程，例如在二维坐标中，有非常多的点分散在其中，试图绘制一条直线，使得这些分散的点到直线上的距离最小。这里的距离最小并非点到直线的垂直距离最短，而是点到直接的y轴距离最短，即通过该点并与y轴平行的直线，点到该y轴平行线与直线交点的距离最短，如下图所示的双向箭头。

最小二乘法的核心思想是通过最下化误差的平方和，试图找到最可能的函数方程 。例如在二维坐标系中存在五个数据点(10,20)、(11,23)、(12,25)、(13,27)、(14,26)，希望找出一条该五个点距离最短的直线，根据二元一次方程：y=ax+b

因此，将五个点分别带入该二元方程得到如下：

20=10a+b

23=11a+b

25=12a+b

27=13a+b

26=14a+b

由于最小二乘法是尽可能使得等号两边的方差值最小，因此 ：

因此求最小值即可通过对S(a,b)求偏导数获得，并使得一阶倒数的值为0，则：

最小二乘法虽然看似是一个直线方程的问题，但是在实际应用中却应用非常广泛，因为它得到的方程可以视为一个函数模型，该函数模型可以对后续的工作带来极大的便利。例如在某种疾病是在两种条件下发生的，但是需要当这两种条件满足一定关系时才会促发疾病，因此医生就可以通过患病样本获得患病情况下的两种条件值，标记到一个二维坐标中，通过最小二乘法，可以将患病的两种条件通过函数表达出来，从而当有另外一个新疑似患者就医时，则可以根据二元一次方程确定是否可能患有该疾病。

上述过程均是通过线性问题的求解方式进行阐述，但是在更多的时候，需要解决的问题不是一个线性问题，它需要通过多项式拟合的方式进行处理，但是原理和求解方式均一致。虽然最小二乘法易于实现，在各行各业中都被广泛使用，但是它的计算量也比较大，当样本数据不断增加后，计算量会明显增加，在阶数更高时计算量则更为复杂。为解决更多问题，后来也基于最小二乘法衍生出了移动最小二乘法、加权最小二乘法以及偏最小二乘法等。

参考

https://zhuanlan.zhihu.com/p/126133083?ivk_sa=1024320u

https://matongxue.blog.csdn.net/article/details/81127117