本文主要是介绍机器学习白板推导系列三 线性回归，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
(系列三) 线性回归1-最小二乘法及其几何意义
最小二乘法：（矩阵表达；几何意义）
概率角度：最小二乘法等价于噪声为高斯分布的极大似然估计
加上正则化后：L1 ->Lasso，L2 -> Ridge岭回归
假设数据集为 D = ( x 1 , y 1 ) , ( x 2 , y 2 ) , ⋯ , ( x N , y N ) , x i ∈ R p , y i ∈ R , i = 1 , 2 , ⋯ , N D={(x_1, y_1), (x_2, y_2), \cdots, (x_N, y_N)}, x_{i} \in \mathbb{R}^{p}, y_{i} \in \mathbb{R} , i=1,2, \cdots, N D=(x1,y1),(x2,y2),⋯,(xN,yN),xi∈Rp,yi∈R,i=1,2,⋯,N
数据使用矩阵表示 x = ( x 1 x 2 ⋯ x N ) ⊤ = [ x 1 T x 2 T ⋮ x N T ] = [ x 11 x 12 ⋯ x 1 p x 21 x 22 ⋯ x 2 p ⋮ ⋮ ⋱ ⋮ x m 1 x m 2 ⋯ x m B ] N x p x=\left(x_{1} x_{2} \cdots x_{N}\right)^{\top}=\left[\begin{array}{c} x_{1}^{T} \\ x_{2}^{T} \\ \vdots \\ x_{N}^{T} \end{array}\right]=\left[\begin{array}{cccc} x_{11} & x_{12} & \cdots & x_{1 p} \\ x_{21} & x_{22} & \cdots & x_{2 p} \\ \vdots & \vdots & \ddots & \vdots \\ x_{m 1} & x_{m 2} & \cdots & x_{m_{B}} \end{array}\right]_{N x p} x=(x1x2⋯xN)⊤=⎣⎢⎢⎢⎡x1Tx2T⋮xNT⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡x11x21⋮xm1x12x22⋮xm2⋯⋯⋱⋯x1px2p⋮xmB⎦⎥⎥⎥⎤Nxp
y i y_i yi是一个一维实数值
Y = ( y 1 y 2 ⋮ y N ) N × 1 Y=\left(\begin{array}{l} y_{1} \\ y_{2} \\ \vdots \\ y_{N} \end{array}\right)_{N \times{1}} Y=⎝⎜⎜⎜⎛y1y2⋮yN⎠⎟⎟⎟⎞N×1
定义拟合的直线 f ( w ) = w T x f(w)=w^{T} x f(w)=wTx，其中w为p维列向量，其中这里隐含了偏置b不过当作 w 0 w_0 w0包含进去。
最小二乘法估计：
损失函数：
L ( w ) = ∑ i = 1 N ∥ w ⊤ x i − y i ∥ 2 = ∑ i = 1 N ( w ⊤ x i − y i ) 2 L(w)=\sum_{i=1}^{N}\left\|w^{\top} x_{i}-y_{i}\right\|^{2}=\sum_{i=1}^{N}\left(w^{\top} x_{i}-y_{i}\right)^{2} L(w)=∑i=1N∥∥w⊤xi−yi∥∥2=∑i=1N(w⊤xi−yi)2
= ( w ⊤ x 1 − y 1 w ⊤ x 2 − y 2 ⋯ w ⊤ x N − y N ) ( w ⊤ x 1 − y 1 w ⊤ x 2 − y 2 ⋮ w ⊤ x N − y N ) =\left(\begin{array}{c}w^{\top} x_{1}-y_{1} & w^{\top} x_{2}-y_{2} & \cdots & w^{\top} x_N -y_{N}\end{array}\right) \left(\begin{array}{c} w^{\top} x_{1}-y_{1} \\ w^{\top} x_{2}-y_{2} \\ \vdots \\ w^{\top} x_{N}-y_{N} \end{array}\right) =(w⊤x1−y1w⊤x2−y2⋯w⊤xN−yN)⎝⎜⎜⎜⎛w⊤x1−y1w⊤x2−y2⋮w⊤xN−yN⎠⎟⎟⎟⎞
(即两个向量相乘)
前一个横向量还可进一步写为：
( w ⊤ x 1 w ⊤ x 2 ⋯ w ⊤ x N ) − ( y 1 y 2 ⋯ y N ) = w ⊤ ( x 1 x 2 ⋯ x N ) − ( y 1 y 2 ⋯ y N ) = w ⊤ X ⊤ − Y ⊤ \begin{aligned} &\left(\begin{array}{c}w ^{\top}x_{1} & w^{\top} x_{2} & \cdots & w^{\top} x_{N}\end{array}\right)-\left(\begin{array}{c}y_{1} & y_{2} & \cdots & y_{N}\end{array}\right) \\ =& w^{\top}\left(\begin{array}{c}x_{1} & x_{2} & \cdots & x_{N}\end{array}\right)-\left(\begin{array}{c}y_{1} & y_{2} & \cdots & y_{N}\end{array}\right) \\ =& w^{\top} X^{\top}-Y^{\top} \end{aligned} ==(w⊤x1w⊤x2⋯w⊤xN)−(y1y2⋯yN)w⊤(x1x2⋯xN)−(y1y2⋯yN)w⊤X⊤−Y⊤
同理右边的列向量可写为XW-Y,即横向量的转置，所以XW是位置调换的
可得 L ( w ) = ( w ⊤ X ⊤ − Y ⊤ ) ( X w − Y ) L(w)=\left(w^{\top} X^{\top}-Y^{\top}\right)(X w-Y) L(w)=(w⊤X⊤−Y⊤)(Xw−Y)
为了求导方便继续展开
= w ⊤ X ⊤ X w − Y ⊤ X w − w ⊤ X ⊤ Y + Y ⊤ Y =w^{\top} X^{\top} X w-Y^{\top} X w-w^{\top} X^{\top} Y+Y^{\top} Y =w⊤X⊤Xw−Y⊤Xw−w⊤X⊤Y+Y⊤Y
注意这里每一项都是实数，中间两项是相等的
= w ⊤ X ⊤ X w − 2 w ⊤ X ⊤ Y + Y ⊤ Y =w^{\top} X^{\top} X w-2w^{\top} X^{\top} Y+Y^{\top} Y =w⊤X⊤Xw−2w⊤X⊤Y+Y⊤Y
要估计的 w ^ = arg min L ( w ) \hat{w} = \arg\min L(w) w^=argminL(w)
对L(w)进行求导，注意矩阵求导的
∂ L ( w ) ∂ w = 2 X ⊤ X w − 2 X ⊤ Y ≜ 0 \frac{\partial L(w)}{\partial w}=2 X^{\top} X w-2 X^{\top} Y \triangleq 0 ∂w∂L(w)=2X⊤Xw−2X⊤Y≜0
⇒ X ⊤ X w = X ⊤ Y \Rightarrow X^{\top} X w = X^{\top} Y ⇒X⊤Xw=X⊤Y
⇒ w = ( X ⊤ X ) − 1 X ⊤ Y \Rightarrow w = (X^{\top} X)^{-1} X^{\top} Y ⇒w=(X⊤X)−1X⊤Y
此为我们得到的解，即最小二乘估计的矩阵形式的表达,把 ( X ⊤ X ) − 1 X ⊤ (X^{\top} X)^{-1} X^{\top} (X⊤X)−1X⊤称为伪逆 X + X^+ X+
几何解释1：误差与所有红色距离有关
几何解释2：
数据X是Nxp维的，可构成一个p维子空间，Y通常是不在这个子空间中的，即最小二乘是在p维子空间中找向量f(w)使得f(w)与Y的距离最小，可知f(w)是Y在p维子空间的投影
即可知，Y-f(w)与p维子空间的基向量垂直
即 X ⊤ ( Y − f ( w ) ) = 0 X^{\top}(Y-f(w))=0 X⊤(Y−f(w))=0
X ⊤ ( Y − X w ) = 0 X^{\top}(Y-Xw)=0 X⊤(Y−Xw)=0
X ⊤ Y = X ⊤ X w X^{\top}Y=X^{\top}Xw X⊤Y=X⊤Xw
⇒ w = ( X ⊤ X ) − 1 X ⊤ Y \Rightarrow w = (X^{\top} X)^{-1} X^{\top} Y ⇒w=(X⊤X)−1X⊤Y
(系列三) 线性回归2-最小二乘法-概率视角-高斯噪声-MLE
假设数据集为 D = ( x 1 , y 1 ) , ( x 2 , y 2 ) , ⋯ , ( x N , y N ) , x i ∈ R p , y i ∈ R , i = 1 , 2 , ⋯ , N D={(x_1, y_1), (x_2, y_2), \cdots, (x_N, y_N)}, x_{i} \in \mathbb{R}^{p}, y_{i} \in \mathbb{R} , i=1,2, \cdots, N D=(x1,y1),(x2,y2),⋯,(xN,yN),xi∈Rp,yi∈R,i=1,2,⋯,N
数据使用矩阵表示 x = ( x 1 x 2 ⋯ x N ) ⊤ = [ x 1 T x 2 T ⋮ x N T ] = [ x 11 x 12 ⋯ x 1 p x 21 x 22 ⋯ x 2 p ⋮ ⋮ ⋱ ⋮ x m 1 x m 2 ⋯ x m B ] N x p x=\left(x_{1} x_{2} \cdots x_{N}\right)^{\top}=\left[\begin{array}{c} x_{1}^{T} \\ x_{2}^{T} \\ \vdots \\ x_{N}^{T} \end{array}\right]=\left[\begin{array}{cccc} x_{11} & x_{12} & \cdots & x_{1 p} \\ x_{21} & x_{22} & \cdots & x_{2 p} \\ \vdots & \vdots & \ddots & \vdots \\ x_{m 1} & x_{m 2} & \cdots & x_{m_{B}} \end{array}\right]_{N x p} x=(x1x2⋯xN)⊤=⎣⎢⎢⎢⎡x1Tx2T⋮xNT⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡x11x21⋮xm1x12x22⋮xm2⋯⋯⋱⋯x1px2p⋮xmB⎦⎥⎥⎥⎤Nxp
y i y_i yi是一个一维实数值
Y = ( y 1 y 2 ⋮ y N ) N × 1 Y=\left(\begin{array}{l} y_{1} \\ y_{2} \\ \vdots \\ y_{N} \end{array}\right)_{N \times{1}} Y=⎝⎜⎜⎜⎛y1y2⋮yN⎠⎟⎟⎟⎞N×1
最小二乘法估计：
损失函数：
L ( w ) = ∑ i = 1 N ∥ w ⊤ x i − y i ∥ 2 = ∑ i = 1 N ( w ⊤ x i − y i ) 2 L(w)=\sum_{i=1}^{N}\left\|w^{\top} x_{i}-y_{i}\right\|^{2}=\sum_{i=1}^{N}\left(w^{\top} x_{i}-y_{i}\right)^{2} L(w)=∑i=1N∥∥w⊤xi−yi∥∥2=∑i=1N(w⊤xi−yi)2
要估计的 w ^ = arg min L ( w ) = ( X ⊤ X ) − 1 X ⊤ Y \hat{w} = \arg\min L(w) = (X^{\top} X)^{-1} X^{\top} Y w^=argminL(w)=(X⊤X)−1X⊤Y
假设数据中的噪声服从高斯分布 ε ∼ N ( 0 , σ 2 ) \varepsilon \sim N\left(0, \sigma^{2}\right) ε∼N(0,σ2)
y = f ( w ) + ε = w ⊤ x + ε y=f(w) + \varepsilon = w^{\top}x + \varepsilon y=f(w)+ε=w⊤x+ε
因 ε \varepsilon ε服从正态分布，则 y ∣ x ; w ∼ N ( w ⊤ x , σ 2 ) y|x;w \sim N(w^{\top}x, \sigma^{2}) y∣x;w∼N(w⊤x,σ2)
P ( y ∣ x ; w ) = 1 2 π σ exp { − ( y − w ⊤ x ) 2 2 σ 2 } P(y|x;w) = \frac{1}{\sqrt{2\pi}\sigma}\exp\{-\frac{(y-w^{\top}x)^2}{2\sigma^2}\} P(y∣x;w)=2πσ1exp{−2σ2(y−w⊤x)2}
用极大似然估计MLE:
$L(w) = logP(Y|X;w) = \log \prod^N_{i=1} P(y_i |x_i;w) $
= ∑ i = 1 N log P ( y i ∣ x i ; w ) = \sum^N_{i=1} \log P(y_i |x_i;w) =∑i=1NlogP(yi∣xi;w)
= ∑ i = 1 N log 1 2 π σ + log exp { − ( y − w ⊤ x ) 2 2 σ 2 } =\sum^N_{i=1} \log \frac{1}{\sqrt{2\pi}\sigma} + \log\exp\{-\frac{(y-w^{\top}x)^2}{2\sigma^2}\} =∑i=1Nlog2πσ1+logexp{−2σ2(y−w⊤x)2}
= ∑ i = 1 N ( log 1 2 π σ − 1 2 σ 2 ( y − w ⊤ x ) 2 ) =\sum^N_{i=1} ( \log \frac{1}{\sqrt{2\pi}\sigma} -\frac{1}{2\sigma^2}(y-w^{\top}x)^2) =∑i=1N(log2πσ1−2σ21(y−w⊤x)2)
根据极大似然估计
w ^ = arg max w L ( w ) \hat{w} = \underset{w}{\arg\max} L(w) w^=wargmaxL(w)
= arg max w − 1 2 σ 2 ( y − w ⊤ x ) 2 =\underset{w}{\arg\max} -\frac{1}{2\sigma^2}(y-w^{\top}x)^2 =wargmax−2σ21(y−w⊤x)2
= arg min w ( y − w ⊤ x ) 2 = \underset{w}{\arg\min}(y-w^{\top}x)^2 =wargmin(y−w⊤x)2
此公式和最小二乘估计的损失函数是一模一样的
L ( w ) = ∑ i = 1 N ∥ w ⊤ x i − y i ∥ 2 = ∑ i = 1 N ( w ⊤ x i − y i ) 2 L(w)=\sum_{i=1}^{N}\left\|w^{\top} x_{i}-y_{i}\right\|^{2}=\sum_{i=1}^{N}\left(w^{\top} x_{i}-y_{i}\right)^{2} L(w)=∑i=1N∥∥w⊤xi−yi∥∥2=∑i=1N(w⊤xi−yi)2
最小二乘估计隐含着噪声服从正态分布这样的假设
(系列三) 线性回归3-正则化-岭回归-频率角度
最小二乘的损失函数：
L ( w ) = ∑ i = 1 N ∥ w ⊤ x i − y i ∥ 2 = ∑ i = 1 N ( w ⊤ x i − y i ) 2 L(w)=\sum_{i=1}^{N}\left\|w^{\top} x_{i}-y_{i}\right\|^{2}=\sum_{i=1}^{N}\left(w^{\top} x_{i}-y_{i}\right)^{2} L(w)=∑i=1N∥∥w⊤xi−yi∥∥2=∑i=1N(w⊤xi−yi)2
要估计的 w ^ = arg min L ( w ) = ( X ⊤ X ) − 1 X ⊤ Y \hat{w} = \arg\min L(w) = (X^{\top} X)^{-1} X^{\top} Y w^=argminL(w)=(X⊤X)−1X⊤Y
数据是 X N x p X_{Nxp} XNxp，有N个样本， x i ∈ R p x_i \in \mathbb{R}^p xi∈Rp，通常N要远大于p
但实际中样本可能不多，这个时候 X T X X^TX XTX可能不可逆，容易造成过拟合
过拟合的3种处理办法
1.加数据
2.特征选择/特征提取(PCA)
3.正则化
正则化框架
arg min w [ L ( w ) + λ P ( w ) ] \underset{w}{\arg\min}[L(w)+\lambda P(w)] wargmin[L(w)+λP(w)]
P(w)是惩罚项
L1:Lasso， P ( w ) = ∥ w ∥ P(w)=\|w\| P(w)=∥w∥
L2:Ridge，岭回归，权值衰减， P ( w ) = ∥ w ∥ 2 2 = W T W P(w)=\|w\|^2_2=W^TW P(w)=∥w∥22=WTW
带L2的优化的目标函数：
J ( w ) = ∑ i = 1 N ∥ w ⊤ x i − y i ∥ 2 + λ w ⊤ w J(w)=\sum_{i=1}^{N}\left\|w^{\top} x_{i}-y_{i}\right\|^{2}+\lambda w^{\top} w J(w)=∑i=1N∥∥w⊤xi−yi∥∥2+λw⊤w
= ( W T X T − Y T ) ( X W − Y ) + λ w ⊤ w =(W^TX^T-Y^T)(XW-Y)+\lambda w^{\top} w =(WTXT−YT)(XW−Y)+λw⊤w
= w ⊤ X ⊤ X w − 2 w ⊤ X ⊤ Y + Y ⊤ Y + λ w ⊤ w =w^{\top} X^{\top} X w-2 w^{\top} X^{\top} Y+Y^{\top} Y+\lambda w^{\top} w =w⊤X⊤Xw−2w⊤X⊤Y+Y⊤Y+λw⊤w
把第一项和最后一项可以合并起来，其中I是单位矩阵
= w ⊤ ( X ⊤ X + λ I ) w − 2 w ⊤ X ⊤ Y + Y ⊤ Y =w^{\top}\left(X^{\top} X+\lambda I\right) w-2 w^{\top} X^{\top} Y+Y^{\top} Y =w⊤(X⊤X+λI)w−2w⊤X⊤Y+Y⊤Y
w ^ = arg min J ( w ) \hat{w} = \arg\min J(w) w^=argminJ(w)
∂ J ( ω ) ∂ w = 2 ( X ⊤ X + λ I ) w − 2 X ⊤ Y = 0 \frac{\partial J(\omega)}{\partial w}=2\left(X^{\top} X+\lambda I\right) w-2 X^{\top} Y=0 ∂w∂J(ω)=2(X⊤X+λI)w−2X⊤Y=0
可得 w ^ = ( X ⊤ X + λ I ) − 1 X ⊤ Y \hat{w}=\left(X^{\top} X+\lambda I\right)^{-1} X^{\top} Y w^=(X⊤X+λI)−1X⊤Y
对比原式多了一个 λ I \lambda I λI，所以会一定可逆
(系列三) 线性回归4-正则化-岭回归-贝叶斯角度
正则化的几何解释：
噪声 ε ∈ N ( 0 , σ 2 ) \varepsilon \in N(0, \sigma^2) ε∈N(0,σ2)
贝叶斯角度：
w ∼ N ( 0 , σ 0 2 ) w \sim N(0, \sigma_0^2) w∼N(0,σ02)
贝叶斯定理 P ( w ∣ y ) = P ( y ∣ w ) ⋅ P ( w ) P ( y ) P(w | y)=\frac{P(y | w) \cdot P(w)}{P(y)} P(w∣y)=P(y)P(y∣w)⋅P(w)
最大后验估计MAP
w ^ = arg max w P ( w ∣ y ) = argmax P ( y ∣ w ) ⋅ P ( w ) \hat{w}=\arg \max _{w} P(w | y)=\operatorname{argmax} P(y | w) \cdot P(w) w^=argmaxwP(w∣y)=argmaxP(y∣w)⋅P(w)
因P(y)是一个常量，可做这个变换
由于 P ( w ) = 1 2 π σ 0 exp { − ∥ w ∥ 2 2 σ 0 2 } P(w)=\frac{1}{\sqrt{2 \pi} \sigma_{0}} \exp \left\{-\frac{\|w\|^{2}}{2 \sigma_{0}^{2}}\right\} P(w)=2πσ01exp{−2σ02∥w∥2}
P ( y ∣ w ) = 1 2 π σ exp { − ( y − w 2 x ) 2 2 σ 2 } P(y | w)=\frac{1}{\sqrt{2 \pi} \sigma} \exp \left\{-\frac{\left(y-w^{2} x\right)^{2}}{2 \sigma^{2}}\right\} P(y∣w)=2πσ1exp{−2σ2(y−w2x)2}
则 P ( y ∣ w ) ⋅ p ( w ) = 1 2 π σ 1 2 π σ 0 exp { − ( y − w ⊤ x ) 2 2 σ 2 − ∥ w ∥ 2 2 σ 0 2 } P(y | w) \cdot p(w)=\frac{1}{\sqrt{2 \pi} \sigma} \frac{1}{\sqrt{2 \pi} \sigma_{0}} \exp \left\{-\frac{\left(y-w^{\top} x\right)^{2}}{2 \sigma^{2}}-\frac{\|w\|^{2}}{2 \sigma_{0}^{2}}\right\} P(y∣w)⋅p(w)=2πσ12πσ01exp{−2σ2(y−w⊤x)2−2σ02∥w∥2}
即原式为
= arg max w log [ P ( y ∣ w ) ⋅ P ( w ) ] =\arg \max _{w} \log [P(y | w) \cdot P(w)] =argmaxwlog[P(y∣w)⋅P(w)]
= arg max w log ( 1 2 π σ 1 2 π σ 0 ) + log exp { − ( y − w ⊤ x ) 2 2 σ 2 − ∥ w ∥ 2 2 σ 0 2 } =\arg \max _{w} \log(\frac{1}{\sqrt{2 \pi} \sigma} \frac{1}{\sqrt{2 \pi} \sigma_{0}}) + \log\exp \left\{-\frac{\left(y-w^{\top} x\right)^{2}}{2 \sigma^{2}}-\frac{\|w\|^{2}}{2 \sigma_{0}^{2}}\right\} =argmaxwlog(2πσ12πσ01)+logexp{−2σ2(y−w⊤x)2−2σ02∥w∥2}
因为前面是一个常数，可删除
= arg min w ( y − w ⊤ x ) 2 2 σ 2 + ∥ w ∥ 2 2 σ 0 2 =\arg \min _{w} \frac{\left(y-w^{\top} x\right)^{2}}{2 \sigma^{2}}+\frac{\|w\|^{2}}{2 \sigma_{0}^{2}} =argminw2σ2(y−w⊤x)2+2σ02∥w∥2
= arg min w ( y − w ⊤ x ) 2 + σ 2 σ 0 2 ∥ w ∥ 2 =\arg \min _{w}\left(y-w^{\top} x\right)^{2}+\frac{\sigma^{2}}{\sigma_{0}^{2}}\|w\|^{2} =argminw(y−w⊤x)2+σ02σ2∥w∥2
式子中都省略了 ∑ i = 1 N \sum_{i=1}^N ∑i=1N
即 w ^ M A P = arg min w ∑ i = 1 N ( y − w ⊤ x ) 2 + σ 2 σ 0 2 ∥ w ∥ 2 \hat{w}_{MAP}=\arg \min _{w}\sum_{i=1}^N \left(y-w^{\top} x\right)^{2}+\frac{\sigma^{2}}{\sigma_{0}^{2}}\|w\|^{2} w^MAP=argminw∑i=1N(y−w⊤x)2+σ02σ2∥w∥2
左边是loss函数，右边是惩罚项，其中 σ 2 σ 0 2 \frac{\sigma^{2}}{\sigma_{0}^{2}} σ02σ2可看作 λ \lambda λ
得到结论：
1.最小二乘估计LSE ⟺ 极大似然估计MLE(噪声服从高斯分布)
2.正则化最小二乘估计Regularized LSE ⟺ 最大后验概率估计MAP（先验和噪声服从高斯分布)
这篇关于机器学习白板推导系列三 线性回归的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
