【机器学习】梯度下降、岭回归、Lasso回归等

【机器学习】梯度下降、岭回归、Lasso回归等

0 简要复习线性回归（Linear Regression）

• 线性回归模型函数：$y(x)={\beta }_0+{\beta }_1\ast x_1+{\beta }_2\ast x_2$ 或 $y(x)={\sum }_{i=0}^{n}bet{a}_i\ast x_i=B^{T}X$
• 参数估计的评价机制： 损失函数（loss function） 或 错误函数(error function) 或 评价函数 —— 真实值和预测值之间的误差，最小二乘思维
  • 均方误差损失函数（mean squared error loss）：$MSE=\frac{1}{n}{\sum }_{i=1}^n(\widehat{y_i}-y_i{)}^2$
  • 平方损失函数（Square Loss）：$J(\theta )=\frac{1}{2}{\sum }_{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)}{)}^2=(y-X\theta {)}^T(y-X\theta )$，对x(i)的估计值与真实值y(i)差的平方和作为错误估计函数，通过乘以0.5消除系数
  • 为什么损失函数要用平方和？
    • x,y的条件概率（正态分布）：$p(y^{(i)}|x^{(i)};\theta )=\frac{1}{\sqrt{2\pi }\sigma }exp(-\frac{(y^{(i)}-{\theta }^T{x}^{(i)}{)}^2}{2{\sigma }^2})$；
    • 最大似然求解：$\frac{1}{2}{\sum }_{i=1}^m(y^{(i)}-{\theta }^T{x}^{(i)}{)}^2$
• 目标：如何调整θ以使得J(θ)取得最小值 $argmi{n}_{\theta }J(\theta )$问题

1 梯度下降法

• 梯度下降法问题：结果与初始点的选取有关，可能只能得到全局极小值
• 注意点：此处不是随机梯度下降法（均方误差损失函数是凸函数）；注意特征归一化
• 步骤：
  • 第一步：首先对θ赋初值，初值选择：1）随机；2）全零向量
  • 第二步：迭代更新改变θ的值，使得J(θ)按梯度下降的方向进行减少，其中梯度方向由J(θ)对θ的偏导数的反方向确定，即：${\theta }_j:={\theta }_j+\alpha (y^{(i)}-h_{\theta }(x^{(i)}))x_j^{(i)}$，以下为两种迭代更新方法：
    • 批梯度下降：对全部的训练数据求得误差后，再对θ进行更新，能够不断收敛
    • 增量梯度下降：每扫描一步都要对θ进行更新，不断在收敛处徘徊

2 最小二乘法 OLS

• 方法：求偏导，即$\theta =(X^{T}X{)}^{-1}{X}^{T}y$
• 缺点：要求X是列满秩；求矩阵的逆比较慢
  • 改进：对于不能直接求矩阵的逆的解决方案 —— $\theta =(X^{T}X+{\delta }^2{I}_d{)}^{-1}{X}^{T}y$ （这一步是工程实践结果，意外发现和 岭回归损失函数求偏导一样）

3 岭回归（Ridge Regression）与Lasso回归（Lasso Regression）

• 描述/核心思想：
  • 通过损失最小二乘法的无偏性（有偏估计），以损失部分信息、降低精度为代价，提升数值稳定性泛化能力，获得回归系数更为符合实际、更可靠的回归方法
  • 特征选择
• 特殊针对：
  • 训练样本数量少（甚至少于样本维数），即矩阵无法求逆；
  • 样本特征大量相似，即很多参数意义重复（共线性）
• 损失函数：
  • 线性回归（$J_0=(y-X\theta {)}^T(y-X\theta )or{\sum }_{i=1}^m(h_{\theta }(x^i)-y^i{)}^2$），正则因子（模型参数向量的范数） * 其中m为观察数，n为变量数
  • 岭回归：$J(\theta )=J_0+{\delta }^2{\sum }_{j=1}^n{\theta }_j^2$ （${\theta }^T\theta$，L2范数，即高斯分布） —— 消除共线性；模的平方处理
  • Lasso回归：$J(\theta )=J_0+{\delta }^2{\sum }_{j=1}^n|{\theta }_j|$（使用模型参数向量的L1范数，即拉普拉斯分布）—— 压缩变量（降维）；模的平方处理
• 理解：
  • 
• 差异：
  • Lasso能够实现提取有用特征、删除无效变量（即将系数设置零，直接消除影响）
  • Lasso回归计算更复杂，因为第一范数不是连续可导的

4 权衡：弹性网络回归（ElasticNet Regression）

• ElasticNet 回归，即岭回归和Lasso技术的混合，使用 L1， L2 范数作为先验正则项训练的线性回归模型。
  • 为什么有 ElasticNet？
    • Lasso回归太过(太多特征被稀疏为0) —— 允许少量参数被稀疏（比如共线变量Lasso只选择一个，Elastic可能选择两个）
    • 岭回归也正则化的不够(回归系数衰减太慢) —— 保持正则化强度与Ridge的稳定性
• 公式：
  • $Min(\frac{1}{2m}[J_0+\lambda {\sum }_{j=1}^n{\theta }_j^2]+\lambda {\sum }_{j=1}^n|\theta |)$
  • $Min(\frac{1}{2m}{J}_0+\frac{\alpha (1-\rho )}{2}|\theta |{|}_2^2+\alpha \rho ||\theta |{|}_1)$，α接近0时ElasticNet接近Lasso；当α从1到0，目标函数的稀疏解从0逐渐增加
• 代码

from sklearn import linear_model  
#得到拟合模型，其中x_train,y_train为训练集  
ENSTest = linear_model.ElasticNetCV(alphas=[0.0001, 0.0005, 0.001, 0.01, 0.1, 1, 10], l1_ratio=[.01, .1, .5, .9, .99],  max_iter=5000).fit(x_train, y_train)  
#利用模型预测，x_test为测试集特征变量  
y_prediction = ENSTest.predict(x_test)

致谢：
高永峰_GYF（https://www.jianshu.com/p/aadad14db00e）
mantch（cnblogs.com/mantch/p/10242077.html）