多元线性模型(含公式推导)-回归-监督学习-机器学习

  假设某个体$x$有$d$个特征，即$x=(x^{1},x^{2},...,x^{d})$，$x^{i}$是第i个特征，线性模型(linear model)试图通过特征的线性组合得到预测值，即

$$f(x)=w^{T}x+b=w_{1}x^{1}+w_{2}x^{2}+...+w_{d}x^{d}+b$$ 其中当 $w_{i}$是第i个特征的权重，既能调节特征的量纲，也能显示该特征对预测值的重要程度； $w^{T}$= $（w_{1}，w_{2}，...，w_{d}）$； $x^{T}$= $（x_{1}，x_{2}，...，x_{d}）$； $b$代表预测值中非$x$所能影响的那部分；当 $d=1$时，便是最简单的线性模型 $f(x)=wx+b$；

//是否能有个好的例子

只要能求出$w$和$b$，便能得到线性模型，该如何求得$w$和$b$呢？

  假设训练数据集有n个个体，即$D=\left \{ (x_{1},y_{1}), (x_{2},y_{2}),..., (x_{n},y_{n}) \right \}$，$x_{i}$代表第$i$个个体，$y_{i}$代表第$i$个个体所对应的真实值。

一.$f(x)=wx+b$

天下难事必作于易，天下大事必作于细 —— 老子   让我们从最简单的线性模型 $f(x)=wx+b$入手，即假设每个个体只有一个特征。我们希望预测值 $f(x_{i})$和真实值 $y_{i}$尽可能接近，该如何衡量它们的差异呢？
  直观来说，我们可以有两种方案：
$1) |f(x_{i})-y_{i}|$
$2)(f(x_{i})-y_{i})^{2}$
  方案2便是高斯的 最小二乘法(least square method)。我们把所有个体的预测值和真实值之间的差异加总:
$$g(w,b)=\sum_{i=1}^{n}(f(x_{i})-y_{i})^{2}=\sum_{i=1}^{n}(wx_{i}+b-y_{i})^{2}$$   我们的目标是求出 $w$和$b$，让 $g(w,b)$取得最小值。因此我们可以用偏导数求解： $$\left\{\begin{matrix} \frac{\partial g(w,b)}{\partial w}=0\\ \frac{\partial g(w,b)}{\partial b}=0 \end{matrix}\right.$$
  解出：
$$\left\{\begin{matrix} w=\frac{\sum_{i=1}^{n}y_{i}(x_{i}-\bar{x})}{\sum_{i=1}^{n}x_{i}^2-n\bar{x}^{2}}\\ b=\bar{y}-w\bar{x}\\ \bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_{i}\\ \bar{y}=\frac{1}{n}\sum_{i=1}^{n}y_{i} \end{matrix}\right.$$
二、 $f(x)=w^{T}x+b$
  接着我们由浅入深，对于多元回归模型 $f(x)=w^{T}x+b$，我们仍是希望让预测值和真实值的差异最小。同样，我们仍然选取最小二乘法来衡量预测值和真实值之间的差异：
$g(w,b)=(w^{T}x_{1}+b-y_{1})^{2}+(w^{T}x_{2}+b-y_{2})^{2}+...+(w^{T}x_{n}+b-y_{n})^{2}$

$g(w,b)=[(w^{T}x_{1}+b-y_{1}), (w^{T}x_{2}+b-y_{2}), ..., (w^{T}x_{n}+b-y_{n})]\begin{bmatrix}(w^{T}x_{1}+b-y_{1})\\ (w^{T}x_{2}+b-y_{2})\\ ...\\(w^{T}x_{n}+b-y_{n})\\\end{bmatrix}$

  推导：
$\begin{bmatrix}(w^{T}x_{1}+b-y_{1})\\ (w^{T}x_{2}+b-y_{2})\\ ...\\(w^{T}x_{n}+b-y_{n})\\\end{bmatrix}=\begin{bmatrix}(w^{T}x_{1}+b)\\ (w^{T}x_{2}+b)\\ ...\\(w^{T}x_{n}+b)\\\end{bmatrix}-\begin{bmatrix}y_{1}\\ y_{2}\\ ...\\y_{n}\\\end{bmatrix}=\begin{bmatrix}(x_{1}^{T} ,1)(w,b)^{T}\\ (x_{2}^{T} ,1)(w,b)^{T}\\ ...\\(x_{n}^{T} ,1)(w,b)^{T}\\\end{bmatrix}-\begin{bmatrix}y_{1}\\ y_{2}\\ ...\\y_{n}\\\end{bmatrix}=\begin{bmatrix}x_{1}^{T} ,1\\x_{2}^{T} ,1\\ ...\\x_{n}^{T} ,1\\\end{bmatrix}(w^{T},b)-\begin{bmatrix}y_{1}\\ y_{2}\\ ...\\y_{n}\\\end{bmatrix}=X(w^{T},b)-\begin{bmatrix}y_{1}\\ y_{2}\\ ...\\y_{n}\\\end{bmatrix}=X(w^{T},b)-Y=X\tilde{w}-Y$
$注：w^{T}x_{i}+b=(x_{i}^{T},1)\begin{bmatrix}w\\ b\end{bmatrix}=(x_{i}^{T} ,1)(w,b)^{T}；令X=\begin{bmatrix}x_{1}^{T} ,1\\x_{2}^{T} ,1\\ ...\\x_{n}^{T} ,1\\\end{bmatrix},Y=\begin{bmatrix}y_{1}\\ y_{2}\\ ...\\y_{n}\\\end{bmatrix},\tilde{w}=(w^{T},b)$
  所以$g(\tilde{w})=(X\tilde{w}-Y)^{T}(X\tilde{w}-Y)$，同样我们希望$g(\tilde{w})$求得最小值，因此我们继续采用偏导数求解：

∂g(w~)∂w~=0 ∂ g ( w ~ ) ∂ w ~ = 0

$$\frac{\partial g(\tilde{w})}{\partial \tilde{w}}=0$$
推导：
$g(\tilde{w})=(X\tilde{w}-Y)^{T}(X\tilde{w}-Y)=((X\tilde{w})^{T}-Y^{T})(X\tilde{w}-Y)=(X\tilde{w})^{T}X\tilde{w}-Y^{T}X\tilde{w}-(X\tilde{w})^{T}Y+Y^{T}Y=\tilde{w}^{T}X^{T}X\tilde{w}-Y^{T}X\tilde{w}-\tilde{w}^{T}X^{T}Y+Y^{T}Y$
因为$\frac{d\tilde{w}\tilde{w}^{T}}{d\tilde{w}}=2\tilde{w},\frac{d\tilde{w}^{T}}{d\tilde{w}}=I$
所以$\frac{\partial g(\tilde{w})}{\partial \tilde{w}}=2X^{T}X\tilde{w}-2X^{T}Y=0，X^{T}X\tilde{w}=X^{T}Y$
最后的结果是$\tilde{w}=(X^{T}X)^{-1}X^{T}Y$