如何理解线性回归?

下面是机器学习的《监督式学习》课程的一篇试读文章,进行了一下重新排版,然后展示在这里。由于格式的限制,缺少了一些习题、可运行的代码、证明、注释等,可能会导致解释差强人意,所以介意的同学可以直接访问 线性回归与最小二乘,以获得最佳的阅读体验。

回归大致可以理解为根据数据集

,拟合出近似的曲线,所以回归也常称为拟合(Fit),像下列右图一样拟合出来是直线的就称为 线性回归:

下面就来解释其中的一些细节。

1 线性回归
首先,为什么拟合曲线会被称为回归呢?

1.1 均值回归

“回归”这个词源于弗朗西斯·高尔顿爵士(英文:Sir Francis Galton,1822年2月16日-1911年1月17日):

他发现高个子父亲的儿子身高会矮一些,而矮个子父亲的儿子身高会高一些(否则高个子家族会越来越高,而矮个子家族会越来越矮),也就是说人类的身高都会回到平均值附近,他将这种现象称为 均值回归 。

1.2 线性回归

高尔顿的研究过程用现在的数学语言来表述就是,首先对一些父子的身高进行了抽样,得到数据集

;然后根据数据集拟合出一条直线;最后通过该直线就可以对某父亲

的儿子的身高进行预测了:

高尔顿拟合的直线方程为(单位为米):

将方程和

联立,可得:

也就是说这两条直线会交于点 (1.77, 1.77),这说明身高低于1.77米的父亲,他的儿子身高会高一些;而高于1.77米的父亲,他的儿子身高会矮一些:

所以这条拟合出来的直线,其实就表示了均值回归现象,因此拟合直线的过程被称为 线性回归(Linear Regression)。

2 经验误差函数
下面开始解释高尔顿是如何根据数据集来拟合直线的。先来介绍下线性回归的经验误差是什么。

2.1 假设空间 

首先肯定是用直线来进行拟合:

所以假设空间为:

和感知机的假设空间差不多,只是少了

函数。

2.2 数据集 

 

在历史上,高尔顿总共采集了近千个父子身高的数据来拟合。本课为了方便讲解,我们从中抽取了六个(原始数据的单位是“英寸”,这里全部转为了“米”)作为数据集

2.3 经验误差

随便找一条假设空间中的直线

,对于某父亲身高

,该直线给出的

和真实的儿子身高

是存在距离的,这个距离也称为点与直线的误差,高尔顿用两者差的平方来表示

将数据集

中所有点与该直线的误差加起来,再进行算术平均就是该直线在数据集

上的经验误差:

其中

表示该数据集的大小。

3 最小二乘法
有了经验误差函数之后,就可以利用上一单元介绍的经验误差最小原则来设计算法,从而在假设空间 

 中挑选离

最近的

作为

具体到线性回归中,其经验误差函数为:

根据经验误差最小原则,只需要求出使得该经验误差函数取得最小值的

实际上就得到了离

最近的

,本节就来介绍如何求解

3.1 凸函数

首先,将手上的数据集

代入线性回归的经验误差函数后可得:

可见

是关于

的函数,并且是 凸函数(Convex Function)。凸函数意味着画出来看上去像山谷:

3.2 凸函数的最小值

就如山谷肯定有最低点一样,凸函数肯定有最小值,这说明最小值是一定存在的。并且凸函数更重要的性质是,使得经验误差函数

取得最小值的

,可以通过求解下面方程组得到:

因为线性回归的经验误差函数

是平方之和,所以本节介绍的求解该经验误差函数的最小值的方法被称为 最小平方法 ,国内各种教材中也常称为 最小二乘法 。

4 代码实现
根据上面的数学原理,可以借助 Python 来求出

from sympy import symbols, diff, solveimport numpy as np
# 数据集 DX = np.array([1.51, 1.64, 1.6, 1.73, 1.82, 1.87])y = np.array([1.63, 1.7, 1.71, 1.72, 1.76, 1.86])
# 构造经验误差函数w, b = symbols('w b', real=True)RDh = 0for (xi, yi) in zip(X, y): RDh += (yi - (xi*w + b))**2RDh *= 1/len(X)
# 对 w 和 b 求偏导eRDhw = diff(RDh, w)eRDhb = diff(RDh, b)
# 求解方程组ans = solve((eRDhw, eRDhb), (w, b))print('使得经验误差函数 RD(h) 取最小值的参数为:{}'.format(ans))

上面代码运行后,可以解出

以及

,得到的结果和高尔顿几乎一样:

至此我们就完成了一个简单的线性回归。至于为什么最小二乘法是正确的,可以看我们之后的课程,或者看如何理解最小二乘法

我们通过通俗易懂、图形化的方式,对机器学习中的《监督式学习》进行了精讲,目前还在连载中,可以享受早鸟价格,可以点击下面的链接购买:

👉 也可以直接点击下面这个图片购买机器学习的前置课程,《线性代数》、《单变量微积分》、《多变量微积分》、《概率论与数理统计》:

 最易懂的数学知识库:

马同学高等数学

看图学数学

微信公众号ID :matongxue314

(0)

相关推荐