1 线性回归

1.1 引子

比如上面这个图，可以感觉到是存在这样一条直线L：

• （1）这条直线尽可能反映出数据点的整体走向、趋势
• （2）给定x，代入这条直线中求解出来的y，我们称之为预测值y_predict；该x实际的取值y，我们称之为真实值。易知，图中每个点的x代入直线L求解出的y_predict，与该点实际的y值之间存在差距，并且所有点的差距总和会最小（或者说差距的均值最小）

因为上面的例子是二维的，我们可以去设这条直线：\(f(x)=kx\)，简单起见，我们暂时先不考虑b
有了方程后，我们就可以表示（2）中的内容了：

\[CostFunction =\frac{1}{2n}\sum_{i=1}^{n}\left ( f(x_{i})-y_{i}\right )^{2}=\frac{1}{2n}\sum_{i=1}^{n}\left ( kx_{i}-y_{i}\right )^{2}① \]

须知：这里的\(\frac{1}{2n}\)不是必须的

由①式可以知晓，CostFunction是k的二次函数，通过给定不同的k，CostFunction会得到不同的取值，如下图：

如果你要考虑b的话，可以得到下图，如同一张弯曲的纸，或者峡谷，存在最低点

1.2 梯度下降

易知，沿着梯度（导数）的方向，函数值增加最快，换个角度，沿着梯度（导数）的反方向，函数值降低最快。
我们可以令CostFunction对k求导，得：

\[{CostFunction}'_{k}=\frac{1}{2n}\sum_{i=1}^{n}2x_{i}(kx_{i}-y_{i})=\frac{1}{n}\sum_{i=1}^{n}x_{i}(kx_{i}-y_{i})② \]

在更新k时，我们可以：

\[k=k-②=k-\frac{1}{n}\sum_{i=1}^{n}x_{i}(kx_{i}-y_{i})③ \]

通过③可知，每次k的变化的步长是②，但实际操作而言，可能会存在一定的问题，假设当k=k₀时函数值取得局部极小值。若k每次变化的步长很大，可能会导致k无法达到k₀的位置，可能就是在k₀这个点左右来回震荡，无法收敛；或者经过数次更新后会离k₀越来越远。
所以，为了避免这种情况，我们会增加一个参数\(\alpha\)对③进行修改：\(k=k-\alpha\frac{1}{n}\sum_{i=1}^{n}x_{i}(kx_{i}-y_{i})\)
这个\(\alpha\)，我们称之为学习率Learning Rate

• 学习率越大，k每次更新的步长就越大，出现无法取得局部极小值点、无法收敛的概率也会增大
• 学习率越小，k每次更新的步长就越小，达到局部极小值点的时间也会变长（至少不会错过）

须知，上述对k₀的描述，使用的是“局部极小值”，而非“全局极小值”。
梯度下降法得到的是“局部最小值”而非“全局最小值”
对于某个山路十八弯的函数，在进行梯度下降时，很容易陷入局部最小值，而无法达到全局极小值
对于凸函数而言（比如上面的开口向上的抛物线），局部极小，即为全局极小

从上图可以看到

• 当lr=0.01时，k每次变化的幅度较小，所以整体曲线较为平滑
• 当lr=0.1时，k的变化波动比较大，在极值点左右反复横跳，最后落到极值点
• 当lr=0.05时，可以看到到达极小值点的速度比较快，那么相对于lr=0.01与lr=0.1而言，0.05会更好

2 未完待续

标签：kx,frac,sum,下降,算法,lr,梯段,极小值,CostFunction
来源： https://www.cnblogs.com/silverbeats/p/15477927.html