初学ML笔记N0.1——线性回归，分类与逻辑斯蒂回归，通用线性模型

1.线性回归

---

线性回归，即假设使用一个线性的模型方程，来拟合特征与结果，如下

向量形式：

x1，x2为输入特征。在上式中，theta则为每个特征所对应的权重值，上式隐含了一个条件，即我们假设还有x0这个特征，其值全部为1。

定义cost function为：

上式可以看到，J(θ)的值即为所有训练集的偏差平方和，我们的目标即是找到一组合适的θ，来使J(θ)达到最小化。

1.1梯度下降

---

求解θ：

对J(θ)求偏导数再带入：

由以上公式可以看到，对于每个θj，都会用到所有的训练集数据，经过不断的迭代，并且是每个θ都同时迭代，最终θj会收敛到最合适的值去。
α叫做学习率，其值大小影响收敛进度，可以想象到，如果α过大，一次性步长过多，那么可能造成收敛来回震荡形式；如果α过小，当快要收敛完毕时，偏导数会很小，两个很小的数相乘会更小，那么收敛的速度就大大降低了。通常，α可以通过实验选取，0.001,0.01,0.1等。
另外，还存在一个隐性的影响收敛速度的原因，及每个特征的取值范围问题。当我们绘制出J(θ)等高线，发现由于每个特征范围不一样，等高线则存在高矮胖瘦问题，这对于梯度下降方法有很大的副作用，若我们起始点选取得不好，那么收敛将会变得很慢。为了解决这个问题，我们将所有参数都统一到同一个尺度去，比较简单的做法就是将其变为0均值，及先减掉该特征均值，再除以该特征的最大范围值。

1.2 Normal equation

---

直接了解公式:

其中X向量的每一行，即为一个训练样本：

y向量为训练集的样本的值：

这里要注意的是(X^T X)虽然是方阵，但仍有其不可逆的可能性，常见的引起原因就是参数个数比训练样本的个数多，此时要么引入regulazrization项，或者去掉一些相关性强的特征项。
另外，在矩阵求解时，不用对X阵像梯度下降法那样进行归一化处理了。

1.3Local weighted线性回归

---

普通线性回归可能有过拟合与欠拟合问题，所以，这里引入一种改进算法：

其中ω^[i] 一种比较标准的选择如下:

这里实际上是一个分段线性回归，我们要提前使用到想要预测的样本值x，并在x附近做线性回归，由ω^[i] 表达式可以看到，当X^[i] 离X很近时，ω^[i] 趋近于1，也就是说这些点的权重比较大；当X^[i] 离X远时，ω^[i] 趋近于0，即离预测点越远，权重越小。
其中，τ叫做bandwidth变量，作用类似于α，其影响了距离与权重大小的关系，也是一个通过实验得出的值。

2.分类与逻辑斯蒂回归

以上内容，都讨论的是回归内容，即预测值是连续的，对于有些情况，取值通常就两项，0或者1。我们必须将预测的函数值映射为0或者1，此时我们选择的函数如下：

以上函数就叫做逻辑斯蒂函数。它是一个连续函数，我们可以假设其上的点的值，就是取到其X的概率。在X靠近0的地方，概率较小，这也能说通，因为X=0处，就是Y=0与Y=1交界的地方，在那里容易判断出错，所以概率较小，越偏离0，概率越大。所以我们做出如下假设：

写紧凑一点就是：

接着考虑如何选取cost fuction。
有两种考虑方式，得出的结果都一样。
其一，假设所有m个训练样本都是独立的，我们利用θ的似然函数来求解。如下：

两边同取对数，

为了求似然函数的最值，我们还是用梯度下降公式进行迭代。此时，公式为:

注意，中间变为了加号，因为我们要寻找似然函数的最大值。
接着跟第一节一样，对函数求偏导数，得出最后结论:

可以发现，其形式跟线性回归方程形式是一样的。
其二，在分类情况下，考虑训练样本中值为1的样本，此时我们的cost fuction要求当我们预测值为1时，cost fuction值最小要为0(尽量减少cost的意思)，当我们预测值为0时，cost fuction要足够大(表示我们预测有误)，这时，采用log(h(x))刚好能满足要求。接着考虑训练样本中值为0的样本，情况刚好相反，我们采用log(1-h(x))。将两种情况写在一起，即为y*log(h(x))+(1-y)*log(1-h(x))。假设样本间是独立的，那么我们就可以利用上边的方法，求取最大似然值了。

2.1牛顿法求取似然函数最值

---

牛顿法就是通过不断迭代，来求得函数值为0处的参数值。其工作原理如下图：

通过不断求取切线与X轴的新交点作为迭代的值，来收敛到函数值为0的那一点。
但这与我们求取似然函数最值有什么关系？
考虑到函数最值就是其导函数的零点那个值，我们就可以利用牛顿法求取似然函数的导函数的零点，则找到了我们想要的极值了。
所以，迭代公式为：

化简后为：

其中，H^-1 为Hessian矩阵，形式为：

2.2梯度下降法与牛顿法对比

---

梯度下降法需要靠经验选择学习速率，牛顿法则不需要任何额外参数。
梯度下降法需要通过大量迭代次数才能找到最小值，牛顿法迭代次数则较少。
特征数量较少时选用牛顿法，较大时选用梯度下降法，通常以1000为界。

3.通用线性模型

---

首先定义一个指数簇函数如下形式：

什么叫通用线性模型呢？
意思就是以上函数模型能够表示一类线性模型。
前文中讨论的线性回归模型与分类模型，均可用以上通式来表示。
对于分类问题的伯努利模型：

红线三个部分可以与通式进行对比。
对于回归问题的高斯模型：

同样也可写为指数簇函数形式。

3.1通用线性模型例子

---

如果想预测单位小时内，进入你店内(或者浏览你网页)的人数，那该怎么建立模型呢？
首先，选取特征，因素很多，如促销活动、广告投放、天气以及是否是周末。
然后，我们知道这种情况的概率模型符合泊松分布，但是如何建立模型呢？
这就利用到了我们的通用线性模型。泊松分布模型正是指数簇函数中的一员。