【人工智能】我的人工智能之旅——线性回归 研读

本文将涉及以下知识点

（1）线性关系

（2）线性回归

（3）假设函数

（4）代价函数

（5）学习速率

（6）梯度下降

（7）特征向量

相关的线性代数或微积分知识，可参照另两篇博文

我的人工智能之旅----线性代数基础知识

我的人工智能之旅----微积分基础知识


线性关系

解释线性回归之前，先来看一下线性关系。

什么是线性关系？如果自变量与因变量存在一次方函数关系，那么就成自变量与因变量存在线性关系。例如

y=2x+3 //x为自变量，y为因变量

y=2j+3k+i //j,k,i为自变量，y为因变量

 但需要注意的是，类似

y=zx //z,x为自变量，y为因变量

就不是线性关系。

线性关系还必须满足以下条件

f(x_1+x_2)=f(x_1)+f(x_2)

f(ax)=a\cdot f(x)

线性回归

      所谓线性回归，就是利用数理统计中的回归分析，来确定两种或两种以上变量间，相互依赖的定量关系的一种统计分析方法。

即由样本（x,y），推断y=ax+b的过程。其中a,b为需要推断的常量。那么，问题来了。

（1）为什么是"y=ax+b"型的一元一次结构？而非其它一元N次结构？

（2）如何推算出a，b?

假设函数

先来回答上一小节的问题（1）。可以使用其它一元N次结构。选择一元一次结构只是为了方便。之后的学习，可以换为更复杂的拟合结构。由于我们假设x,y之间存在"y=ax+b"型的映射关系，所以函数f(x)=ax+b被称为假设函数，hypothesis function。

对于假设函数中的参数a,b，我们没有办法直接算出正确的值。也无法让所有样本，都映射到假设函数上。因此，只能推算出对于样本集合整体来说，最佳的a，b取值。


代价函数(损失函数？）

如何评断参数a，b最佳？最佳a，b应使得假设函数求得的数据，与实际数据之间误差的平方和为最小。

注：关于为何使用1/2m，而非1/m，我们在下一小节说明。

由于样本集中的每个样本（x,y）已知，算式中a和b成为了变量，算式可以看作是a，b作为变量的函数。即

该函数，被称为代价函数，cost function，或者平方误差代价函数，squared error cost function。

有了代价函数，推算a,b的问题就演化为，求代价函数何时取到最小值的问题。

当然，除了平方误差代价函数外，还存在其它代价函数。只是平方误差代价函数，是解决线性回归问题最常用的手段罢了。

但不管使用何种代价函数，我们的目的终归是要推算最佳的a,b。那么，如何推算呢？
 


梯度下降算法

梯度下降算法，gradient descent，用于求函数的最小值。该算法运用了微积分（claculus）中的导数（derivatives）或偏导数（partial derivatives）知识。

简单的说，导数体现了自变量在变化时，对因变量所产生的影响。若存在多个自变量，那么对其中一个变量进行的求导，即为偏导数。换句话说，一个自变量在变化时，对因变量和其它自变量所产生的影响。
 

若某一点的导数大于0，那么说明，因变量随自变量增大而增大，随自变量减小而减小。若小于0，则因变量随自变量的增大而减小，随自变量减小而增大。依据该特性，我们不断地同时更新a，b的取值，直至（a,b）所对应的点导数为0。那么，如何更新呢？

我们将J(a,b)带入，来看一下运算过程。

 

还记得上一节的“1/2m”or“1/m”的疑问吗？通过运算，“1/2”被约掉。因此，代价函数之所以取“1/2m”作为参数，是为了运算方便。

将导数结果带入，通过不断的迭代尝试获取和，直至两者的偏导数为0或接近0。此时，得到的a,b的值，即为最佳值（全局最佳，或局部最佳）。

需要注意的是，由于受限于样本集合的大小，该最佳值可能为局部最佳值。

此外，初始点的选取，也将影响最佳值的推算。

可见，梯度下降算法其实是一步一步的试出了对于样本集合最佳的a,b取值。有了a,b的估值，假设函数的真容也便浮出水面了。

梯度下降并非唯一的推算最佳参数的方法。其它常用方法还包括，BFGS算法，L-BFGS算法，共轭梯度法（Conjugate Gradient）等。这些方法远比梯度下降法复杂的多，但优点在于，它们不用人为的选择学习率，甚至可以每次迭代自动使用更优的学习率，因此收敛速度较梯度下降更快。由于篇幅及范围的原因，此处暂不过多涉及。


多元线性回归

至此，我们其实还是在讨论一元一次的简单假设，即一个自变量和一个因变量的情况。但实际遇到的问题并非如此简单。例如，房子的价值，不仅仅与面积有关，还要参考楼层，房龄，房间数量等多重因素，即多元线性回归的问题。

那么，我们的假设函数也相应发生了变化。

f(x_0,x_1,x_2,x_3)=a_0+a_1x_1+a_2x_2+a_3x_3

这里，我么把参数都变为了a_i，自变量变为了x_i（例如，x_1,x_2,x_3分别代表楼层,房龄，房间数量，x_0默认为1）。之所以这样表示，是为了方便矩阵的引入。根据矩阵内积（矩阵与向量的乘法），f(x_0,x_1,x_2,x_3)可以表述为

f(x_0,x_1,x_2,x_3)= \begin{bmatrix} a_0&a_1&a_2&a_3 \end{bmatrix}*\begin{bmatrix} 1 \\ x_1 \\ x_2 \\ x_3 \end{bmatrix}

若假设向量A=\begin{bmatrix} a_0\\a_1\\a_2\\a_3 \end{bmatrix}向量X=\begin{bmatrix} x_0\\x_1\\x_2\\x_3 \end{bmatrix}那么，向量A的转置A^T = \begin{bmatrix} a_0 &a_1 &a_2 &a_3 \end{bmatrix}

则假设函数转化为f(X)=A^{T}X，其中x_i称为特征(feature)，X称为特征向量(feature vector)。

解决多元线性回归的问题，我们同样使用梯度下降算法，即我们要推算出合适的A。而推算过程，我们已在上一小节进行了描述。那么，套用之前的公式，可得到代价函数，J(A^T)=\frac{1}{2m}\sum _{i=1}^{m}{(f(X_i)-y_i)^2}

a_j(j=0,1,2,3)的迭代算法则为

{a_j}_{next}={a_j}-\beta \frac{\partial }{\partial a_j}J(A^T)

其中

\frac{\partial }{\partial a_j}J(A^T) \\=\frac{\partial }{\partial a_j}(\frac{1}{2m}\sum _{i=1}^{m}{(f(X_i)-y_i)^2}) \\=\frac{\partial }{\partial a_j}(\frac{1}{2m}\sum _{i=1}^{m}(a_0+a_1x_i_1+a_2x_i_2+a_3x_i_3-y_i)^2)

当j=0,1,2,3时，各偏导数为

\frac{\partial }{\partial a_0}J(A^T)=\frac{1}{m}\sum _{i=1}^{m}{(a_0+a_1x_i_1+a_2x_i_2+a_3x_i_3-y_i)}=\frac{1}{m}\sum _{i=1}^{m}{(f(X_i)-y_i)}

\frac{\partial }{\partial a_1}J(A^T)=\frac{1}{m}\sum _{i=1}^{m}{(x_i_1(a_0+a_1x_i_1+a_2x_i_2+a_3x_i_3-y_i))}=\frac{1}{m}\sum _{i=1}^{m}{(x_i_1(f(X_i)-y_i))}

\frac{\partial }{\partial a_2}J(A^T)=\frac{1}{m}\sum _{i=1}^{m}{(x_i_2(a_0+a_1x_i_1+a_2x_i_2+a_3x_i_3-y_i))}=\frac{1}{m}\sum _{i=1}^{m}{(x_i_2(f(X_i)-y_i))}

\frac{\partial }{\partial a_3}J(A^T)=\frac{1}{m}\sum _{i=1}^{m}{(x_i_3(a_0+a_1x_i_1+a_2x_i_2+a_3x_i_3-y_i))}=\frac{1}{m}\sum _{i=1}^{m}{(x_i_3(f(X_i)-y_i))}

由于x_i_0=1，所以

\frac{\partial }{\partial a_j}J(A^T)=\frac{1}{m}\sum _{i=1}^{m}{x_i_j(f(X_i)-y_i)}

最终，参数向量A中的元素a_j的迭代算法为

a_j_{next}=a_j-\frac{\beta }{m}\sum _{i=1}^{m}{x_i_j(f(X_i)-y_i)}


小结

线性回归，可分为一元或多元线性回归。通过构建合理的假设函数和代价函数，利用梯度下降算法，迭代推算出对于样本集合来说，最佳的参数或参数向量。希望通过本文的叙述，使得大家对推算过程，线性回顾问题的解决思路，有一个大致的了解。

posted on 2022-10-04 01:28  bdy  阅读(5)  评论(0)  编辑  收藏  举报

导航