最小二乘法

2022-06-27 14:00:27 作者：互联网

普通最小二乘法

参考 https://zhuanlan.zhihu.com/p/62018131

在批量梯度下降中讨论了，如何利用梯度下降的方式，如何一步一步寻找到损失函数的最小值，得到最佳拟合的 $\theta$ ，这里我们继续讨论线性拟合问题，这次尝试用最小二乘法直接求解 $\theta$ ，就是说我们不用从山顶寻找梯度一步一步的往最低点走，某种情况下可以直接计算出 $\theta$

普通最小二乘法(Ordinary least squares)

最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小，下面一步一步推导。

最小二乘法zh.wikipedia.org/zh-hans/%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95

Step 1. 最初我们是有一组训练数据

$D = \{(x^{(1)}, y^{(1)}), (x^{(2)}, y^{(2)})...(x^{(N)}, y^{(N)})\}$ ，其中 $x^{(i)}\in R^n$

我们想要拟合的曲线为 $H(\theta) = \theta^TX = \theta_0X_0 + \theta_1X_1 + ... + \theta_nX_n$ ，这里 $X_0 = 1$

Step 2. 现在我们用矩阵的形式来表示 $H(\theta)$ ，我们有N个样本数据，每个数据维度是n维

$\left[ \begin{array}{c}\theta_0X_0^{(1)} + \theta_1X_1^{(1)} + ... + \theta_nX_n^{(1)} = y^{(1)}\\\theta_0X_0^{(2)} + \theta_1X_1^{(2)} + ... + \theta_nX_n^{(2)} = y^{(2)}\\:\\\theta_0X_0^{(N)} + \theta_1X_1^{(N)} + ... + \theta_nX_n^{(N)} = y^{(N)} \end{array} \right]$

Step 3. 这里把上面的公式组合拆分成3部分 $X$ 数据集， $\theta$ 参数， $Y$ 目标值

$X = \left[ \begin{array}{ccc}1 & x_1^{(1)} & ... & x_n^{(1)}\\1 & x_1^{(2)} & ... & x_n^{(2)}\\: & : & : & :\\1 & x_1^{(N)} & ... & x_n^{(N)} \end{array} \right]$ $\theta = \left[ \begin{array}{c}\theta_1\\ \theta_2\\ :\\ \theta_n \end{array} \right]$ $Y = \left[ \begin{array}{c}y_1\\ y_2\\ :\\ y_n \end{array} \right]$

这时等式就可以写成 $X\theta = Y$ ，

$\theta^T \in 1 \times (n+1)$ , $X^T \in (n+1)\times N$ , $Y \in N\times1$

Step 4. 我们想要通过这N个等式来求解 $\theta$ ，当然这里不一定会有 $\theta$ 会使所有等式都成立，这时候就还是需要一个损失函数来判断取 $\theta$ 的时候，误差是否为最小，这里就和梯度下降是一个思路，用误差平方和来代表损失，但是这里是用矩阵的形式来表示

$CostFunction = J(\theta) = ||X\theta - Y||_2^2$ ，矩阵的L-2范数即表示误差平方和

Step 5. 这时候就不需要用梯度下降的方法去一步一步计算，还是可以根据人物下山的例子想象一下，梯度下降是人物以 $\alpha$ 为步长，走一步计算一下梯度再走下一步，而这里我们更像是人物开了天眼，一次性从所有的数据中找到最优解 $\theta$

Step 6. 首先来展开 $J(\theta)$

$\begin{equation} \begin{aligned} J(\theta) = ||X\theta - Y ||_2^2 &= (X\theta - Y)^T(X\theta - Y)\\ & = (\theta^TX^T - Y^T)(X\theta - Y)\\ &=\theta^TX^TX\theta - \theta^TX^TY - Y^TX\theta + Y^TY\\ &=\theta^TX^TX\theta - 2\theta^TX^TY + Y^TY \end{aligned} \end{equation}$

上式 $\theta^TX^TY$ 是一个标量，因为 $\theta^T \in 1 \times (n+1)$ , $X^T \in (n+1)\times N$ , $Y \in N\times1$ ,所以根据矩阵乘法的特点，这里乘出来之后会是1个标量， $Y^TX\theta$ 同理，所以二者可以合并成 $2\theta^TX^TY$

Step 7. 在梯度下降中，我们一步一步的计算梯度，一直走到最低点也就是导数为0的点，这里可以直接对损失函数求导，令导数=0即可

$\begin{equation} \begin{aligned} \frac{\partial J(\theta)}{\partial \theta} &= \frac {\partial (\theta^TX^TX\theta - 2\theta^TX^TY + Y^TY)}{\partial \theta}\\ &=\frac{\partial(\theta^TX^TX\theta)}{\partial \theta} - 2X^TY + 0 \end{aligned} \end{equation}$

此时注意到 $X^TX$ 是一个 $(n+1)$ 维的方阵，这时候根据公式

$\frac{\partial (X^TBX)}{\partial X} = (B + B^T) X$

如上矩阵相关的公式，都可以在一个cookbook中查找到，所以可以推导出 $\theta$ 用 $X$ 数据集和 $Y$ 目标集来表示

The Matrix Cookbook117.128.6.34/cache/www2.imm.dtu.dk/pubdb/views/edoc_download.php/3274/pdf/imm3274.pdf?ich_args2=466-11132213008203_0b26da0a993385059ef3d90549e99ec6_10001002_9c896128dec5f1d0943b518939a83798_efb0b935aca0c3bc1c9af15cf2a1260c

$\frac{\partial(\theta^TX^TX\theta)}{\partial \theta} = (X^TX + X^TX)\theta = 2X^TX\theta$

$\frac{\partial J(\theta)}{\partial \theta} = 2X^TX\theta - 2X^TY = 0$

$\theta = (X^TX)^{-1}X^TY$

总结

至此已经计算出线性回归中 $\theta$ 的值，也就是说，我们不必要用梯度下降的方式去迭代收敛到最小值，可以直接根据公式得到 $\theta$ 清晰的解析解，但是最小二乘法并不能解决所有情况，有以下几点：

A. 通过公式 $\theta = (X^TX)^{-1}X^TY$ 发现对在数据集基础上做逆运算，计算矩阵的逆需要大量的计算，虽然现在计算机能力都很强，但是那也架不住，动辄上百万的数据量和上万的维度，所以首先数据量过大不适合用最小二乘法，反观梯度下降就没有这个问题(一步一步迭代嘛)

B. 还是逆运算，并不是所有的矩阵都是可逆的，如果数据集中有多重共线性的问题(矩阵行列式=0)，这里求逆就行不通了，即便是可逆，多重共线性也会让结果很不准确，但是梯度下降还是可以一步一步收敛。当然了也可以通过比如降维，求伪逆，损失函数加上个惩罚项(后面会讨论LASSO和Ridge)等办法对数据集进行处理，转化成可逆矩阵。

对于矩阵A, B和标量c转置有下列性质：

$\left(A^{\mathrm {T} }\right)^{\mathrm {T} }=A\quad$
转置是自身逆运算。
$(A+B)^{\mathrm {T} }=A^{\mathrm {T} }+B^{\mathrm {T} }$
转置是从m × n矩阵的向量空间到所有n × m矩阵的向量空间的线性映射。
$\left(AB\right)^{\mathrm {T} }=B^{\mathrm {T} }A^{\mathrm {T} }$
注意因子反转的次序。以此可推出方块矩阵A是可逆矩阵，当且仅当A^T是可逆矩阵，在这种情况下有 (A⁻¹)^T = (A^T)⁻¹。相对容易的把这个结果扩展到矩阵相乘的一般情况，可得出 (ABC...XYZ)^T = Z^TY^TX^T...C^TB^TA^T。
$(cA)^{\mathrm {T} }=cA^{\mathrm {T} }$
标量的转置是同样的标量。
$\det(A^{\mathrm {T} })=\det(A)$
矩阵的转置矩阵的行列式等于这个矩阵的行列式。
两个纵列向量a和b的点积可计算为
$\mathbf {a} \cdot \mathbf {b} =\mathbf {a} ^{\mathrm {T} }\mathbf {b}$
如果A只有实数元素，则A^TA是正半定矩阵。
如果A是在某个域上，则A 相似于A^T。

那么逆矩阵又有哪些运算性质呢？如下：

第一个一目了然了。

第二个稍微需要描叙一下：

第三个可能也需要推算一下：

标签：一步,梯度,矩阵,最小,Step,乘法
来源： https://www.cnblogs.com/realyuan2022/p/16415862.html