最小二乘法（1）——线性问题

　　远处有一座大楼，小明想要测量大楼的高度，他想到了一个好办法：

　　小明找到一根长度是y₁的木棍插在地上，当他趴在 A点时，木棍的顶端正好遮住楼顶，此时他记录下自己的观察点到木棍的距离x₁ 。之后小明又找到另一个长度是y₂的木棍，用同样的方法再观察一次，这次记录的数值是 x₂。由于测量时存在误差，因此 x₁/y₁≠x₂/y₂，现在小明可以通过相似三角形可以建立起一个有唯一解的方程组：

　　小明的两次观测数据是x₁=1.061,y₁=1.310,x₂=1.094,y₂=1.350。为了便于使用计算机计算，小明用矩阵表示方程组：

　　这相当于把方程组转换为Ax=b的线性形式，进而求得 x=A^-1b：

import numpy as np
x1, y1 = 1.061, 1.310
x2, y2 = 1.094, 1.350
A = np.mat(np.array([[-y1, x1], [-y2, x2]]))
b = np.mat(np.array([x1 * y1, x2 * y2])).T
x = A.I * b
print(x)

　　结果是 x≈58.77,y≈73.87。

　　几天后，为了在同学面前炫耀，小明又去测量了一次。因为工具粗糙且视角略有差别，这次的数据是x₃=1.143,y₃=1.410,x₄=0.922,y₄=1.140 ，得到的结果是x≈94.85，y≈118.41 ，这可与之前的结果相差很大。于是小明继续测量，算上前几天的2组数据，小明一共记录了8组数据：

　　这下可坏了，任意两组数据都能得到唯一解，任意三组数据都无解！怎么办呢？

最小二乘法

　　常规的方法无法回答小明的问题，幸好高斯老爷子发现了最小二乘法。最小二乘法（又称最小平方法）是一种通过最小化误差的平方和，寻找数据最佳函数匹配的优化策略。

微积分视角

　　由于测量大楼时存在误差，所以每次计算结果都是大楼高度的近似值，这就导致8次测量的数据实际上构成了一个大型的约等方程组：

　　现在的问题是，约等方程组不能按照直等方程组的方法求解。对此，我们的解决思路是寻找到一组x 和y ，使得方程组中所有方程的左右两侧都尽最大可能相等。在进一步解释前，先将约等方程组转换成熟悉的线性形式：

　　大楼就在那里，它的高度是固定不变的。既然每次测量都存在误差，那么y的真实值实际上是计算值加误差：

　　我们的目标是寻找一组合适的x 和y ，使得所有方程中的误差都尽可能小，这相当于让总体的误差最小：

　　误差有正有负，将负号去掉的方式有两种，取误差的绝对值或取误差的平方，显然平方比绝对值更简单，因此先将各项取平方后再尝试找出最小值：

　　上式就是最小二乘法的公式，其中a_i 和 b_i是已知的，表示约等方程组中第 个方程的相关系数。如果把 J 展开，就可以直观地看出它表达的含义：

　　最小二乘法作为一种策略，并未指出具体的求解方案。由于极值通常出现在临界点上，所以一种可行的方案是通过寻找临界点（也就是 J 的偏导等于0的点）求解。

　　这个看上去有点吓人的求导其实很简单：

　　以展开式的第一项为例：

　　展开式的每一项都将得到类似的结果，由此我们将得到一个新的方程组：

　　这里需要抑制住冲动，方程组中的两个方程都是和式运算，每一项的a_i都不同，因此第一个方程的等式两侧不能除以 a_i，即不能使用下式：

　　现在有两个方程，两个未知数，可以求得唯一一组解。

　　已经知道了a_i和b_i ，可以计算出方程组的解：

import numpy as np
x = np.array([1.061, 1.094, 1.143, 0.922, 1.110, 1.156, 1.123, 1.020])
y = np.array([1.310, 1.350, 1.410, 1.140, 1.370, 1.425, 1.385, 1.260])
a = y / x
b = y
p1 = np.sum(a ** 2)
p2 = np.sum(a)
p3 = np.sum(a * b)
q1 = p2
q2 = np.sum(b)
A = np.mat(np.array([[p1, -p2], [q1, -np.alen(x)]]))
b = np.mat(np.array([-p3, -q2])).T
x = A.I * b
print(x)

线性代数视角

　　从微积分的视角来看，最小二乘法相当于求解约等方程组，那么最小二乘法的线性代数视角又是什么呢？

　　先来看向量的投影：

　　b,p,e 是3个向量，其中p是b 在平面上的投影， e是b和p 的误差向量，e=b-p 。平面可以看作二维向量张成的向量空间，p 在该空间上。将向量投影到向量空间有什么意义呢？这要从方程 Ax=b 说起。

　　小明根据测量结果得到了一个方程组，并将它进一步化简为矩阵的形式：

　　对于小明的数据来说， Ax=b无解，实际上大多数这种类型的方程都无解。 A的列空间的含义是方程组有解时b 的取值空间，当b 不在 A的列空间时，方程无解。具体来说，当A 是行数大于列数的长方矩阵时，意味着方程组中的方程数大于未知数的个数，此时肯定无解。

　　虽然方程无解，但我们还是希望能够运算下去，这就需要换个思路——不追求可解，转而寻找最能接近问题的解。对于无解方程Ax=b 来说，Ax 总是在列空间上（因为列空间本来就是由 Ax确定的，和b 无关），而 b就不一定了，所以需要微调 ，将p 调整至列空间中最接近它的一个，此时Ax=b 变成了：

　　p就是 b在 A的列空间上的投影， x上加一个小帽子表示x 的估计值。当然，因为方程无解，所以本来也不可能有 Ax=b。此时问题转换为寻找最好的估计值 ，使它尽可能满足原方程：

　　在上图中，A的秩是2，平面表示A的列空间，平面上的向量有无数个，其中最接近b 的当然是b 在平面上的投影，因为只有在这时 b-p 才能产生模最小的误差向量。

　　如何求得估计值呢？

　　在小明的测量数据中，A的列空间是一个超平面，A的两个列向量都在这个超平面上，b和p 的误差向量e垂直于超平面，因此e也垂直于超平面上的所有向量，这意味着e 和 A的两个列向量的点积为0。

　　将二者归纳为一个矩阵方程：

　　矩阵方程已经去掉了关于 的信息，通过该方程可进一步求得估计值：

　　这就是最终结果了，它是由矩阵方程推导而来的，所以这个结果叫做“正规方程”。

　　还有一种更简单的方式可以得到正规方程。Ax=b无解的原因是因为 A 是一个长方矩阵，只要在等式两侧同时乘以 A^T，就可以把长方矩阵转换成方阵，进而求解。

import numpy as np
x = np.array([1.061, 1.094, 1.143, 0.922, 1.110, 1.156, 1.123, 1.020])
y = np.array([1.310, 1.350, 1.410, 1.140, 1.370, 1.425, 1.385, 1.260])
a1 = -(y / x)
a2 = np.array([1] * 8)
A = np.mat(np.array([a1, a2])).T
b = np.mat(y).T
x = (A.T * A).I * A.T * b
print(x)

概率统计的视角

　　在实际应用中，我们把 J函数称为“平方差损失函数”或“平方损失函数”，通过名字自然地联想到概率统计中方差的概念。作为衡量实际问题的数字特征，方差有代表了问题的波动性，这里如何理解“波动性”呢？

　　大楼就在哪里，它的高度是一个真实值，假设这个值是100。接下来为了便于说明，我们把问题简单化，假设小明只需要一次测量就可以计算出大楼的高度。

　　表中计算结果与真实值的差就是每次计算结果与真实值的波动，把每次波动累加起来就是整体的波动，也就是问题的“波动性”。 由于每次波动都有正有负，如果直接相加的话会正负抵消，得到波动性是0的结论，这显然是荒谬的。解决这个问题的一个方法是每次波动都取绝对值，另一个方法是取波动的平方，平方不用考虑符号的问题，因此比绝对值更简单。

　　现在可以计算出小明8次计算的总体波动和平均波动：

　　相比较而言，第3次、第5次、第6次计算结果的平均波动较小，看起来似乎应该只取这3次的测量结果。问题是，小明并不知道哪些结果是波动较小的。此外，根据“大样本理论（large sample theory）”，在大样本下，只要研究数据的渐进分布即可。简单地说，只有当测量数据达到一定规模时才能得到较为正确的结果，数据越多会越好。比如乒乓球比赛偶尔会出现“爆冷”的场景，某个成绩平平的外国选手战胜了中国的顶尖选手，但你并不能因此说这名外国选手的实力更强，只能说在本次比赛中二者的波动都较大，外国选手打出了太多的“超级球”，而中国选手正好不在状态；当二者的交手逐渐增多时，他们的平均波动也将趋近于各自的真实实力，中国选手自然会找回场子。

　　回到原问题，从概率统计的视角来看，最小二乘法的意义是让所有样本波动之和最小化：

　　如果在平方和基础上除以测量的次数，则变成了让样本的平均波动最小：

最小二乘法与线性回归

　　回归（Regression）是一类重要的监督学习算法，其目标是通过训练样本的学习，得到从样本特征到目标值之间的映射。在回归中，样本的标签是连续值。线性回归（Linear Regression）是回归问题中的重要一类。在线性回归中，样本特征与目标值之间是线性相关的。

　　回归的重要应用是预测，比如根据人的身高、性别、体重等特征预测鞋子的尺码；根据学历、专业、工作经验等特征预测薪资待遇；根据房屋的面积、楼层、户型等特征预测房屋的价格。

一元线性回归

　　只有一个特征的线性回归问题称为一元线性回归，其拟合曲线是一条直线，它的假设函数(hypothesis function)是：

　　我们的目标是根据给定的训练样本找出合适的模型参数，使假设函数变成明确的模型，从而使得该模型与训练样本达到最大的拟合度。

　　可以使用最小二乘法作为一元线性回归的学习策略：

　　在机器学习中J称为损失函数（cost function），这里m 是训练样本的个数，y 表示样本的标签，也就是真实结果。乘以1/m 的目的是为了使损失值不至于变得过大，以便更地直观感受到模型的优劣。最小化损失函数的几何意义是所有样本到直线的函数距离最小化：

　　这里 x和y是已知的，而θ₁和θ₂才是未知的，虽然这里与小明在测量大楼时的公式有所不同，但是让整体误差到达最小的道理是一样的。推导时需要对θ₁和θ₂求偏导，当m=1 时：

　　在求偏导时出现了系数2，为了约掉这个系数，通常在损失函数中除以2：

　　由此得到新的偏导：

　　推广到 m个数据集：

　　令每个偏导的值都等于0，便得到了一个二元一次方程组，从而求得具体的模型参数。

多元线性回归

　　我们比较熟悉的概念是二维平面和三维空间，有人说四维包含了时间、五维包含了灵魂……别信他的！空间的每一个维度都可以代表任意事物，这完全取决于你对每一个维度的定义。多维空间只是个概念，不要试图在平面上通过几何的方式描述四维以及四维以上的空间。

　　实际上多维空间很常见，关系型数据库的表就可以看作一个多维空间，表的每个字段代表了空间的一个维度，下面就是一个十维空间的例子。

　　可以看到，维度的内容不仅仅包含数量，同样可以包含文字，只是为了能够计算，需要制定一些规则将文字转换成数字。

　　在真实的世界中，训练样本的特征可能是成千上万维，多元线性回归通过一个超平面来拟合数据。不要试图画出超平面，实际上连四维空间都没法有效地展示。画不出来没关系，能表达就好了，n维空间的超平面可以写成：

　　如果用向量表示：

　　这就又变成了我们熟悉的直线方程。如果令 x₀=1，可以更进一步简化 ：

　　在多元线性回归中，我们依然使用最小二乘法的策略：

　　最终将求得：

 

---

　　作者：我是8位的

　　出处：http://www.cnblogs.com/bigmonkey

　　本文以学习、研究和分享为主，如需转载，请联系本人，标明作者和出处，非商业用途！ 

　　扫描二维码关注公作者众号“我是8位的”