最小二乘法简介

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。

上面的定义是摘自维基百科,在实际拟合应用中,而我个人直观的理解就是,最小二乘法是一个评价函数(标准),用来评价我们得到的拟合曲线是否是最好的。最小二乘法的函数表示为:

$$ \min\sum_i^n(y_m^{(i)}-y^{(i)})^2 \label{least squares} $$

其中\(y\_m\)表示我们拟合函数得到的拟合结果,\(y\_i\)表示真实值。

为什么是这个函数

首先假设我们有这样的数据集:\((\vec{x\_0},y\_0),(\vec{x\_1},y\_1),\cdots (\vec{x\_m},y\_m)\),\(\vec{x}\)是当前实例的一个特征向量,\(y\)是对应的输出,m是数据集的大小。拟合问题的目标通常是寻找到一个函数,能够很好的描述这些点的分布情况。最简单的情况就是一条直线,然而在实际应用要复杂得多,数据是高维的。

面对一个高维的拟合问题,我们通常假设一个参数向量\(\vec{\theta}\),则预测输出为:

$$ y_m^{(i)} = \vec{\theta^T}x^{(i)} $$

拟合问题的目标就是寻找一个合适的\(\theta\)值,使得上面的公式\(\ref{least squares}\)到达最小。

那么为什么要选择这个函数而不是其他函数呢,为了回答这个问题,我们又要进行假设了,假设输入\(\vec{x^{(i)}}\)和输出\(y^{(i)}\)之间的真实关系是这样的:

$$ y_m^{(i)} = \vec{\theta^T}x^{(i)} + \epsilon^{(i)} $$

其中\(\epsilon^{(i)}\)称为错误项(error term),表示当前实例所有没有被特征值表达出来的影响因素(也可以理解成噪音)。我们进一步假设\(\epsilon^{(i)}\)是独立同分布的,因此,根据中心极限定理,这个\(\epsilon^{(i)}\)应该满足标准的正态分布,即:

$$ \epsilon^{(i)}\sim \mathcal{N}(0,\sigma^2) $$

所以\(\epsilon^{(i)}\)的密度函数可以写成:

$$ p(\epsilon^{(i)}) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(\epsilon^{(i)})^2}{2\sigma^2}} $$

所以我们可以得到:

$$ p(y^{(i)}|x^{(i)};\theta) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(y^{(i)}-\theta^Tx^{(i)})^2}{2\sigma^2}} $$

此处\(p(y^{(i)}\|x^{(i)};\theta)\)表示在给定\(x^{(i)}\)并且参数为\(\theta\)的情况下,\(y^{(i)}\)的分布情况1。 注意,此时\(\theta\)不是一个随机变量,而应该看成一个固定的值(虽然此时我们并不知道\(\theta\)具体是多少)。

\(X\)表示所有数据组成的矩阵(\(x^{(i)}\)是一个向量),用\(\vec{y}\)表示所有\(y^{(i)}\)组成的向量,那么我们就可以得到似然函数

$$ \begin{align} L(\theta)&=L(\theta;X,\vec{y})=p(\vec{y}|X;\theta)\\ &=\prod_{i=1}^mp(y^{(i)}|x^{(i)};\theta) \\ &=\prod_{i=1}^m\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(y^{(i)}-\theta^Tx^{(i)})^2}{2\sigma^2}} \label{difficulty} \end{align} $$

为了最大程度的使拟合符合真实情况,我们尽可能的使\(L(\theta)=p(\vec{y}\|X;\theta)\)达到最大,也就是说在给定\(x^{(i)}\)的情况下,使得\(y^{(i)}\)的概率最大。

但是公式\(\ref{difficulty}\)太过复杂,不好处理,因此我们可以将求\(L(\theta)\)的最大值转化为求\(logL(\theta)\)的最大值2,所以:

$$ \begin{align} \mathcal{L}(\theta)&=\log L(\theta) \\\\ &= \log \prod_{i=1}^m\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(y^{(i)}-\theta^Tx^{(i)})^2}{2\sigma^2}}\\\\ &=\sum_{i=1}^m \log \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(y^{(i)}-\theta^Tx^{(i)})^2}{2\sigma^2}}\\\\ &=m\log \frac{1}{\sqrt{2\pi}\sigma}-\frac{1}{\sigma^2}\cdot\frac{1}{2}\sum_{i=1}^m(y^{(i)}-\theta^Tx^{(i)})^2 \label{final} \end{align} $$

最终,最大化\(\mathcal{L}\)就可以转化成为最小化\(\frac{1}{2}\sum_{i=1}^m(y^{(i)}-\theta^Tx^{(i)})^2\),这个公式是不是有点眼熟呢?就是上面最开始给出的最小二乘法(公式\(\ref{least squares}\))的函数形式!

总结

本文是根据斯坦福大学的Andrew Ng教授的《机器学习》的公开课整理而成的,首先从假设误差项符合正态分布3开始,一步一步推导,最终证明最小二乘法的有效性。最小二乘法是一个非常常见的数学优化技术,如果了解其存在的原因,对以后学习和使用都有很大的益处。 endmath

参考资料


  1. 此处的原文是: "\(p(y^{(i)}\|x^{(i)};\theta)\) indicates that this is the distribution of \(y^{(i)}\) given \(x^{(i)}\) and parameterized by \(\theta\)

  2. 此处利用了对数函数\(\log\_n xy = \log\_n x + \log\_n y\)的性质 

  3. 正态分布真的是一个非常神奇的东西,生活中很多事情背后都隐含着正态分布的身影,更多内容可以查看 这里 

Share on: TwitterFacebookEmail


Flyaway is the owner of this blog.

Published

Category

machine-learning

Tags

Contact