机器学习笔记(3)线性回归模型
在上一篇中,我们介绍了机器学习任务的一般步骤。现在我们对具体任务进行讲解
一、模型
给定训练数据集 ,其中。回归学习一个从输入到输出的映射。当增加新的数据集时, 用学习到的映射对其进行预测。若是学习到的这个映射是一个线性函数:
则我们称之为线性回归模型。
1.目标函数
前面我们已经提过,目标函数通常包括两项:损失函数和正则项
其中,我们的L2损失就使用到残差平方和(residual sum of squares,RSS):
(1)、最小二乘线性回归(Ordinary Least Square,OLS):
由于线性模型比较简单,所以当时,目标函数为
(2)、岭回归(Ridge Regression):
当正则项为L2时,即,目标函数为
(3)、Lasso模型:
当正则项为L1时,即,目标函数为
2.概率解释
(1)、最小二乘(线性)回归等价于极大似然估计
假设,其中为线性预测值与真值之间的残差,我们通常假设这个残差服从高斯分布,.因此线性回归可以写成:
,其中
我们复习下极大似然估计(Maximize Likelihood Estimator,MLE)的定义:
其中(log)似然函数为:
表示在参数为的情况下,数据出现的概率。极大似然就是选择数据出现概率最大的参数。
线性回归法MLE:
因为OLS的似然函数为:
又因为极大似然可等价地写成极小负log似然损失(negative log likelihood,NLL):
最大化似然公式L(θ)相当于最小化 等价于最小二乘回归
(2)、正则回归等价于贝叶斯分布
假设残差分布,线性回归可以写成
a、假设的先验分布为高斯分布
所以
其中控制先验的强度
根据贝叶斯公式公式,得到参数的后验分布为
为方便计算,取对数 得到最大后验估计(MAP)等价于最小目标函数
对比下岭回归的目标函数
b、假设的先验分布为Laplace分布
所以
根据贝叶斯公式公式,得到参数的后验分布为
为方便计算,取对数 得到最大后验估计(MAP)等价于最小目标函数
对比下Lasso回归的目标函数
二、优化求解
优化求解的目的是根据训练数据求目标函数取极小值的参数
目标函数求极小值的方法:
一阶导数为0 :
二阶导数>0:
1.OLS的优化求解
我们的目标是求解,所以只取关于的部分,得到
通过求导可得:
所以:
这个式子可以通过奇异值分解(singular value decomposition,SVD)求解。
下面是SVD的表达:
对进行奇异值分解:
其中: 为列正交
为行列均正交
所以
所以
OLS除了使用SVD求解外,还可以使用梯度下降法求解,在上一章中,我们看到梯度下降法的基本步骤:
a.先确定学习率,再给定初始值
b.计算目标函数在当前参数值的梯度:
c.更新,使得越来越小:
对于我们的OLS函数:
则梯度为:
所以:
如此这样一直迭代下去。
2.岭回归的优化求解
岭回归的目标函数与最小二乘(OLS)只是相差一个正则项()。所以类似的求解可得:
3.lasso的优化求解
lasso的目标函数是:,但是该目标函数的正则项在不可导,所以这里我们不能用梯度SVD求解,也不能用梯度下降法求解。
所以我们引入坐标轴下降法。
a、在使用坐标下降法之前,我们想了解下次微分的概念:
为了处理不平滑的函数,扩展导数的表示,定义一个(凸)函数在处的次梯度为一个标量c,使得:
如下图:
定义区间的子梯度集合为:
所有次梯度的区间称为函数在处的次微分(subdefferential),用表示
例如:绝对值函数,其梯度为
b、对lasso求导
目标函数:
对求导:
令:,,其中是利用维特征得到的预测的残差,则为第维特征与残差的相关性之和
故
那么
当时最优解
所以
根据的不同,有以三种情况:
c、坐标轴下降法
1)、预计算
2)、初始化参数(全0或者随机)
3)、循环直到收敛:
–for j = 0,1,2…D
·计算
·更新
–选择变化幅度最大的维度进行更新
坐标轴下降法的特点:
· 为了找到一个函数的局部极小值,在每次迭代中可以在当前点处沿一个坐标方向进行一维搜索
·整个过程中循环使用不同的坐标方向。一个周期的一维搜索迭代过程相当于一个梯度迭代
坐标轴下降法需要注意是:
· 梯度下降方法是利用目标函数的导数(梯度)来确定搜索方向的,而该梯度方向可能不与任何坐标轴平行。
·而坐标轴下降法是利用当前坐标系统进行搜索,不需要求目标函数的导数,只按照某一坐标方向进行搜索最小值。(在稀疏矩阵上的计算速度非常快,同时也是Lasso回归最快的解法)
三、模型评估与模型选择
当模型训练好后,需要在校验集上采用一些度量准则检查模型预测的效果,可通过两个步骤去实现:
1)校验集的划分(train_test_split、交叉验证)
2)评价指标(sklearn.metrics)
在选择预测性能最好的模型过程中,我们还需要对模型中的一些超参数进行设置,如线性回归模型中的正则参数λ,以及例如OLS中的特征的数目等参数去选择模型。但是我们去确定参数时,是通过给定一定范围的数值作为输入的,该参数的搜索范围我们一般在Scikitlearn中使用的是网格搜索(GridSearch),且在Scikitlearn中,已经将交叉验证与网格搜索合并为一个函数:sklearn.model_selection.GridSearchCV。
在Scikitlearn中的modelselection模块提供的模型选择功能中,对于线性模型,留一交叉验证(N折交叉验证,亦称为leave-oneout cross-validation,LOOCV)有更简便的计算方式,因此Scikitlearn还提供了RidgeCV类和LassoCV类实现了这种方式。
RidgeCV中超参数λ用alpha表示,RidgeCV(alphas=(0.1,1.0,10.0),
fit_intercept=True,normalize=False,scoring=None,cv=None,gcv_mode=None,store_cv_values=False)
LassoCV的使用与RidgeCV类似,Scikitlearn还提供一个与Lasso类似的LARS(least angle regression,最小角回归),二者仅仅是优化方法不同,目标函数相同。有一点需要注意的是当数据集中特征维数很多且存在共线性时,LassoCV更合适。
模型的评价指标,在上一章中,我们已经确定了有如下几种准则:
(1)、开平均方误差(rooted mean squared error , RMSE):RMSE=
(2)、平均绝对误差(mean absolute error, MAE):MAE=
(3)、R2 score:即考虑预测值和真值之间的差异,也考虑了问题本身真值之间的差异(scikit learn线性回归的缺省评价准则)
所以,越大,模型越好。
我们的模型评估和选择,是在Scikitlearn上面做的,这个工具包封装了比较好的API,非常方便我们使用,下面是几种比较常见的API,有兴趣的话,可以去官方文档看下。
在模型的评价中,除了上述的指标外,我们也可以通过可视化将更为直观的将结果显示出来,比如
1)检查残差的分布
2)打印出预测值与真值的散点图
比如波士顿房价中预测残差的分布图:
前面我们已经说过,极大似然估计假设残差的分布正是为0均值的正态分布。上图中,残差也近似0均值的正太分布,说明拟合的还可以。
在看下预测值与真值的散点图:
当散点图如上所示,说明预测值和真值之间相关性很强,也说明模型效果愈佳。