线性回归的讨论

怼烎@ 2022-03-31 13:30 137阅读 0赞

## 线性回归的概念 ##

给定一个数据集**D**=\{（**x1**,y1）,（**x2**,y2）,（**x3**,y3）…\}，所谓线性回归就是模拟出一个线性模型 f ( X ) = k ∗ X + b f(X) = k \* X + b f(X)=k∗X\+b，使得对所有的**x ∈ \\in ∈D**得到 **f(X)**  ≈ \\approx ≈ y  ∈ \\in ∈ **D**，即尽可能准确的预测真实的y值。  
**问题主要集中在我们该如何得到k、b的值呢？**  
关键在于如何度量f(X)与真实的y之间的差别，将误差控制在最小。

## 具体实现过程 ##

首先便是loss（误差）函数的设定与引入，不妨仅仅考虑样本属性的数目只有一个（即X是标量）。我们使用均方误差最小化（最小二乘法）的方法：

E ( k , b ) = a r g ( k , b ) m i n ∑ i = 1 n ( f ( x i ) − y i ) 2 = a r g ( k , b ) m i n ∑ i = 1 n ( y i − k ∗ x i − b ) 2 E\_\{(k , b)\} = arg\_\{(k, b)\} min\\sum\_\{i=1\}^n(f(x\_i) - y\_i)^2=arg\_\{(k, b)\} min\\sum\_\{i=1\}^n(y\_i - k \* x\_i- b )^2 E(k,b)=arg(k,b)mini=1∑n(f(xi)−yi)2=arg(k,b)mini=1∑n(yi−k∗xi−b)2  
这个式子有很好的几何意义，代表着每个样本点到拟合曲线的距离平方值最小。使得 E ( k , b ) E\_\{(k , b)\} E(k,b)的值最小，就是所谓的**参数估计**。我们可以将 E ( k , b ) E\_\{(k , b)\} E(k,b)分别对k和b分别求偏导数，令得到的式子为零。便可以得到k、b的最优解。  
因为我们经常遇到的问题很大可能是多维的，因此将属性值拓展为向量，则运算变为矩阵(矩阵X的最后一列是1)：  
 E ( k ^ ) = ( y − X k ^ ) T ( y − X k ^ ) E\_\{(\\hat\{k\})\}= (y-X\\hat\{k\}) ^T(y-X\\hat\{k\}) E(k^)=(y−Xk^)T(y−Xk^)  
 k ^ = ( k ; b ) \\hat\{k\} = (k;b) k^=(k;b)

之后我们将 E ( k ^ ) E\_\{(\\hat\{k\})\} E(k^)对 k ^ \\hat\{k\} k^求偏导便得到了 k ^ \\hat\{k\} k^的最优解类似于一元的情况。但是矩阵并不一定是满秩的，即解不一定唯一，这时便要考虑到用户的归纳偏好问题，留在以后讨论。

## 实例的引入 ##

有这样一个例子：  
我们用numpy包生成一百个随机的x值，并且设定y值与x有一定的线性关系（k=0.1,b=0.2），然后把这样的线性关系绘制出来：

import tensorflow as tf
    import numpy as np
    
    import matplotlib.pyplot as plt
    import seaborn as sns
    import pandas as pd
    %matplotlib inline
    
    # 使用numpy生成100个随机点 样本
    
    x_data = np.random.rand(100)
    
    y_data = x_data * 0.1 + 0.2
    
    fig, ax = plt.subplots()
    
    ax.scatter(x_data, y_data)
    
    ax.set_xlabel('x')
    
    ax.set_ylabel('y')
    
    plt.show()

绘制出来的图是这样的：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmdib3dqMTIz_size_16_color_FFFFFF_t_70]  
之后我们用tensorflow（一个深度学习框架）的内置api直接构造一个线性回归的模型（采用梯度下降的方法），进行预测，设置迭代次数为201次，每当20的倍数时便将学习结果输出、绘制出来，会发现我们最终得到的图与原图相似（即斜率基本一致，偏置值基本一致）。

# 构造一个线性模型
    b = tf.Variable(1.1)
    k = tf.Variable(0.5)
    y = k * x_data + b
    
    # 二次代价函数
    loss = tf.reduce_mean( tf.square(y_data - y) )
    
    # 定义一个梯度下降法来进行训练的优化器
    optimizer = tf.train.GradientDescentOptimizer(0.2) # 梯度下降 学习率是0.2
    
    # 定义一个最小化代价函数
    train = optimizer.minimize(loss)
    # 初始化变量
    init = tf.global_variables_initializer()
    with tf.Session() as sess:    
        sess.run(init)    
        for step in range(201):      
            sess.run(train)             
            if step % 20 == 0:           
                data1 = np.random.rand(100)
                data2 = data1 * sess.run(k) + sess.run(b)
                fig, ax = plt.subplots()
                ax.scatter(data1,data2)
                ax.set_xlabel('x')
                ax.set_ylabel('y')
                plt.show()                      
                print(step, sess.run([k, b]))

最终的图如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmdib3dqMTIz_size_16_color_FFFFFF_t_70 1]  
且斜率值和偏置值分别问：\[0.099538416, 0.20024595\]。与初始的基本一致。  
*（代码看不懂或不了解 tensorflow 没关系，只要明白线性回归就好了）*

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmdib3dqMTIz_size_16_color_FFFFFF_t_70]: /images/20220331/a11ca03070df4e91ade22363f4812eea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmdib3dqMTIz_size_16_color_FFFFFF_t_70 1]: /images/20220331/2d9593e59a594a9f8f2c11d0c933902b.png