文章目录
1.多变量线性回归模型(Linear Regression with Multiple Variables)
1.1 假设函数(Hypothesis function)
h
θ
(
x
)
=
θ
0
+
θ
1
x
1
+
θ
2
x
2
+
.
.
.
+
θ
n
x
n
h_θ(x) = θ_0 + θ_1x_1 + θ_2x_2 + ... + θ_nx_n
hθ(x)=θ0+θ1x1+θ2x2+...+θnxn
为了表示方便,定义
x
0
=
1
(
即
x
0
(
i
)
=
1
)
x_0=1(即x_0^{(i)}=1)
x0=1(即x0(i)=1),从而
h
θ
(
x
)
=
θ
0
x
0
+
θ
1
x
1
+
θ
2
x
2
+
.
.
.
+
θ
n
x
n
=
θ
T
x
h_θ(x) = θ_0x_0 + θ_1x_1 + θ_2x_2 + ... + θ_nx_n = θ^Tx
hθ(x)=θ0x0+θ1x1+θ2x2+...+θnxn=θTx
其中θ、x均为(n+1)维的列向量
注:模型参数(Parameters):
θ
1
,
θ
2
,
.
.
.
θ
n
→
θ_1,θ_2,...θ_n \to
θ1,θ2,...θn→θ((n+1)维列向量)
1.2 代价函数(Cost function)
J
(
θ
)
=
1
2
m
∑
i
=
1
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
2
J(θ) = \frac{1}{2m}\sum_{i=1}^{m}(h_θ(x^{(i)})-y^{(i)})^2
J(θ)=2m1i=1∑m(hθ(x(i))−y(i))2
其中,θ为m维的向量,
x
(
i
)
x^{(i)}
x(i)表示特征向量x在第i条样本的取值,
y
(
i
)
y^{(i)}
y(i)则表示第i条样本的标签值。
代价函数的向量形式:
J
(
θ
)
=
1
2
m
(
X
θ
−
y
⃗
)
T
(
X
θ
−
y
⃗
)
J(θ) = \frac{1}{2m}(Xθ-\vec y)^T(Xθ-\vec y)
J(θ)=2m1(Xθ−y)T(Xθ−y)
其中,
X
=
[
⋯
(
x
(
1
)
)
T
⋯
⋯
(
x
(
2
)
)
T
⋯
⋮
⋯
(
x
(
m
)
)
T
⋯
]
,
y
⃗
=
[
y
(
1
)
y
(
2
)
⋮
y
(
m
)
]
X = \begin{bmatrix} \cdots & (x^{(1)})^T & \cdots \\ \cdots & (x^{(2)})^T & \cdots \\ & \vdots & \\ \cdots & (x^{(m)})^T & \cdots \end{bmatrix}, \qquad \vec y = \begin{bmatrix} y^{(1)} \\ y^{(2)} \\ \vdots \\ y^{(m)} \end{bmatrix}
X=⎣⎢⎢⎢⎡⋯⋯⋯(x(1))T(x(2))T⋮(x(m))T⋯⋯⋯⎦⎥⎥⎥⎤,y=⎣⎢⎢⎢⎡y(1)y(2)⋮y(m)⎦⎥⎥⎥⎤,
x
(
i
)
x^{(i)}
x(i)为行向量,X为m*(n+1)维的矩阵,
y
⃗
\vec y
y为m维列向量,θ为(n+1)维的列向量。
1.3 批量梯度下降法(Batch Gradient Descent Algorithm)
更新公式:
repeat until convergence{
θ
j
=
θ
j
−
α
∂
∂
θ
j
J
(
θ
)
(
f
o
r
j
=
0
,
1
,
2
,
.
.
.
,
n
+
1
)
θ_j = θ_j - α \frac\partial{\partial θ_{j}}J(θ)(for j = 0,1,2,...,n+1)
θj=θj−α∂θj∂J(θ)(forj=0,1,2,...,n+1)
}(同步更新
θ
j
θ_j
θj)
将代价函数代入更新公式:
repeat until convergence{
θ
j
=
θ
j
−
α
1
m
∑
i
=
1
m
(
h
(
θ
)
(
x
(
i
)
)
−
y
(
i
)
)
x
j
(
i
)
(
f
o
r
j
=
0
,
1
,
2
,
.
.
.
,
n
+
1
)
θ_j = θ_j - α \frac{1}{m}\sum_{i=1}^{m}(h(θ)(x^{(i)})-y^{(i)})x_j^{(i)}(for j = 0,1,2,...,n+1)
θj=θj−αm1i=1∑m(h(θ)(x(i))−y(i))xj(i)(forj=0,1,2,...,n+1)
}(同步更新
θ
j
θ_j
θj)
进而将假设函数代入更新公式,有更新公式的向量形式:
repeat until convergence{
θ
j
=
θ
j
−
α
1
m
(
X
θ
−
y
⃗
)
x
j
θ_{j} = θ_{j} - α \frac{1}{m}(Xθ-\vec{y})x_j
θj=θj−αm1(Xθ−y)xj
}(同步更新
θ
j
θ_j
θj)
其中,
X
=
[
⋯
(
x
(
1
)
)
T
⋯
⋯
(
x
(
2
)
)
T
⋯
⋮
⋯
(
x
(
m
)
)
T
⋯
]
,
y
⃗
=
[
y
(
1
)
y
(
2
)
⋮
y
(
m
)
]
X = \begin{bmatrix} \cdots & (x^{(1)})^T & \cdots \\ \cdots & (x^{(2)})^T & \cdots \\ & \vdots & \\ \cdots & (x^{(m)})^T & \cdots \end{bmatrix}, \qquad \vec y = \begin{bmatrix} y^{(1)} \\ y^{(2)} \\ \vdots \\ y^{(m)} \end{bmatrix}
X=⎣⎢⎢⎢⎡⋯⋯⋯(x(1))T(x(2))T⋮(x(m))T⋯⋯⋯⎦⎥⎥⎥⎤,y=⎣⎢⎢⎢⎡y(1)y(2)⋮y(m)⎦⎥⎥⎥⎤,
x
(
i
)
x^{(i)}
x(i)为行向量,X为m*(n+1)维的矩阵,
y
⃗
\vec y
y、
x
j
x_j
xj为m维列向量,θ为(n+1)维的列向量。
2.梯度下降算法中的实用技巧
2.1 特征缩放(Feature Scaling)
2.1.1 特征缩放目的:
特征缩放即使每个特征的值的范围在一个类似
−
1
≤
x
i
≤
1
-1\leq x_{i}\leq1
−1≤xi≤1的范围内。特征缩放的目的是使梯度下降法收敛得更快一些,因此这个-1和1并不是严格要求,也就是说特征缩放不需要那么精确,即各特征范围在一个相似的范围内即可。例子如下:
0
≤
x
1
≤
3
✔
,
−
2
≤
x
2
≤
0.5
✔
0\leq x_{1}\leq3 ✔,-2\leq x_{2}\leq0.5 ✔
0≤x1≤3✔,−2≤x2≤0.5✔
−
100
≤
x
3
≤
100
✖
(
过
大
)
,
−
0.0001
≤
x
3
≤
0.0001
✖
(
过
小
)
-100\leq x_{3}\leq100 ✖(过大),-0.0001\leq x_{3}\leq0.0001 ✖(过小)
−100≤x3≤100✖(过大),−0.0001≤x3≤0.0001✖(过小)
2.1.2特征缩放方法
(1)方法一:
x
i
=
x
i
m
a
x
(
x
i
)
x_i = \frac{x_i}{max(x_i)}
xi=max(xi)xi
(2)方法二:均值归一化(Mean normalization)
x
i
=
x
i
−
μ
i
S
i
x_i = \frac{x_i - μ_i}{S_i}
xi=Sixi−μi
其中
μ
i
μ_i
μi为数据集中
x
i
x_i
xi的均值,
S
i
S_i
Si为数据集中特征
x
i
x_i
xi的取值范围(即max-min)或者样本中
x
i
x_i
xi的标准差
2.2 选择合适的学习率α
2.2.1 确保梯度下降法正常工作。
如果梯度下降法正常工作的话,每一步迭代之后J(θ)都应下降,如下图
该图主要有两个作用:
(1)看梯度下降法是否正常工作
(2)判断梯度下降法何时收敛(还有一些自动测试是否收敛的方法,例如将代价函数的变化值与某个阀值
ϵ
\epsilon
ϵ(例如 0.001)进行比较,在某次迭代中变化值小于该阈值
ϵ
\epsilon
ϵ,即已收敛。但是选择一个合适的
ϵ
\epsilon
ϵ比较困难,故通常用上图判断较好。)
梯度下降算法的每次迭代受到学习率 α 的影响:
- α 过小,梯度下降法收敛会很慢(只要α足够小,J(θ)在每次迭代之后都会变小)
- α 过大,J(θ)不会在每次迭代中都变下,或者收敛很慢,甚至不收敛
2.2.2 如何选择合适的α
通常可以考虑尝试些学习率:
..., 0.001, 0.003, 0.01, 0.03, 0.1, 0.3, 1, ...
根据选择的学习率α画出上述J(θ)随着迭代次数变化的图,选择一个使J(θ)快速下降的一个α值,取最大可能值或者比最大可能值略小一些的α值。
3.特征选取和多项式回归
3.1 特征选取
选择合适的特征,有时可以得到更好的模型。数据和特征决定了机器学习的上限,而模型和算法只是逼近这一上限。
3.2 多项式回归(Polynomial regression)
线性回归并不适用于所有数据,有时我们需要曲线来适应我们的数据,比如一个三次方
模型:
h
θ
(
x
)
=
θ
0
+
θ
1
x
+
θ
2
x
2
+
θ
3
x
3
h_θ(x) = θ_0 + θ_1x + θ_2x^2 + θ_3x^3
hθ(x)=θ0+θ1x+θ2x2+θ3x3
只需令
x
1
=
x
,
x
2
=
x
2
,
x
3
=
x
3
x_1 = x,x_2 = x^2, x_3 = x^3
x1=x,x2=x2,x3=x3,则
h
θ
(
x
)
=
θ
0
+
θ
1
x
1
+
θ
2
x
2
+
θ
3
x
3
h_θ(x) = θ_0 + θ_1x_1 + θ_2x_2 + θ_3x_3
hθ(x)=θ0+θ1x1+θ2x2+θ3x3,这样即可用多元线性回归方法来求解。
4.正规方程组(Normal equations)
4.1 正规方程组介绍
正规方程组方法是一种求解上述多元线性回归模型中θ的解析解法,对于某些线性回归问题,它会使我们更好地求得θ的最优值。
公式:
θ
=
(
X
T
X
)
−
1
X
T
y
θ = (X^TX)^{-1}X^Ty
θ=(XTX)−1XTy
注:
- (1)使用正规方程求解θ时,不用特征缩放
- (2)正规方程原理:令 ∂ ∂ θ j J ( θ ) = 0 \frac\partial{\partial θ_{j}}J(θ) = 0 ∂θj∂J(θ)=0(for every j)解出 ( θ 0 , θ 1 , . . . , θ n ) (θ_0, θ_1, ..., θ_n) (θ0,θ1,...,θn)即θ的最优解。
4.2 正规方程与梯度下降法的比较
总结一下,只要特征变量的数目并不大,正规方程是一个很好的计算参数 θ 的替代方
法。具体地说,只要特征变量数量小于10000,通常使用标准方程法,而不使用梯度下降法。
4.3 正规方程的特殊情况(选看)
正规方程需要求解 θ = ( X T X ) − 1 X T y θ = (X^TX)^{-1}X^Ty θ=(XTX)−1XTy,但有些时候 X T X X^TX XTX不可逆:
- (1)有冗余特征(即有线性相关的特征),此时去掉冗余特征即可。
- (2)特征过多(比如 m ≤ n m\leq n m≤n),此时删掉一些特征或者用正则化(regularization)
5.代价函数及梯度下降的python实现(python 3.6)
5.1 代价函数
代价函数的向量形式:
J
(
θ
)
=
1
2
m
(
X
θ
−
y
⃗
)
T
(
X
θ
−
y
⃗
)
J(θ) = \frac{1}{2m}(Xθ-\vec y)^T(Xθ-\vec y)
J(θ)=2m1(Xθ−y)T(Xθ−y)
def computeCost(X, y, theta):
inner = np.power(((X*theta)-y),2)
Cost = np.sum(inner)/(2*len(X))
return Cost
5.1 梯度下降法
梯度下降法更新公式的向量形式:
repeat until convergence{
θ
j
=
θ
j
−
α
1
m
(
X
θ
−
y
⃗
)
x
j
θ_{j} = θ_{j} - α \frac{1}{m}(Xθ-\vec{y})x_j
θj=θj−αm1(Xθ−y)xj
}(同步更新
θ
j
θ_j
θj)
def gradientDescent(X, y, theta, alpha, iters):
temp = np.matrix(np.zeros(theta.shape))
parameters = int(theta.ravel().shape[1])
cost = np.zeros(iters)
for i in range(iters):
error = (X * theta) - y
for j in range(parameters):
term = np.multiply(error, X[:,j])
temp[0,j] = theta[0,j] - ((alpha / len(X)) * np.sum(term))
theta = temp
cost[i] = computeCost(X, y, theta)
return theta, cost