[回归] 线性回归 Linear Regression

2018-11-05 本文已影响0人数据麻瓜

线性回归是统计/机器学习中最基础的一个模型，在线性回归的基础上可以拓展出之后相当多的模型，例如逻辑回归。

线性回归是监督学习的一种，主要用来预测连续变量。
模型： $Y_i=\beta_0+\beta_1X_1^{(i)}+...+\beta_{m-1}X^{(i)}_{m-1}+\epsilon_i$
矩阵的表示形式： ${Y}_{n \times 1} = X_{n \times m}{\beta}_{m \times 1}+\epsilon_{n \times 1}$

矩阵形式中默认 $X_{i,1}=1$ ,因为把截距也放入了 $\beta$ 的矩阵中。
如果要避免这一点的话可以提前对列进行中心化处理，这样的话模型中的 $\beta_0$ 一项就不存在了，同时进行中心处理也有助于模型的拟合。

线性回归模型有以下的一些Assumptions:

$\epsilon_i \sim$ iid with N(0, $\sigma^2$ )
对于任意 $i \not= j,Cov(\epsilon_i,\epsilon_j)=0$

有了模型以后，我们需要估计未知参数的值，即 $\hat{\beta}$ ，一般来说在机器学习中有两种常用的参数估计方法，一种是通过最小化损失函数(更常用一些)，另一种是通过最大似然估计(一般用于有概率分布的模型)。

一般对于一个模型来说，这两种估计出来的值会相同，个人的理解是在选择损失函数的时候，我们会偏好结果和最大似然估计相同的那一个。那为什么要引入损失函数这个东西呢？因为这样的话就可以把所有的算法变成一个最优化的问题。另外，确定了损失函数之后，如果我们要加入罚函数/正则化的化，也可以直接在最优化损失函数的时候加项，会比用最大似然估计方便很多。这当然以上这段只是个人猜测。

先来看最小化损失函数的方法，一般对于回归问题，我们会选用Least Square 来估计,损失函数为均方误差
$L(\beta)=\sum_{i=1}^n (Y_i-\hat{Y}_i)^2=(Y-X\beta)^T(Y-X\beta)_{n \times 1}$
$=Y^TY-Y^TX\beta-\beta^TX^TY+\beta^TX^TX\beta$

$\frac{\partial L}{\partial \beta}=-2X^TY+2X^TX\beta=0$
$\therefore \hat{\beta} = (X^TX)^{-1}X^TY$

为什么要用LS呢？因为Least Square的结果是所有无偏估计中方差最小的估计量（原因：LS的结果和MLE相同，根据Cramer-Rao Lower Bound和MLE的关系可知MLE如果是无偏估计的话，是所有无偏估计中方差最小的估计量），但是有时候不一定无偏估计就是最好的估计量，因为MSE=误差+方差，如果一个估计量误差小但方差很大的话，最终的MSE不一定是最优，那这点是可以通过一些办法进行优化的。

Notes:
为什么无偏<- $E[X\hat{\beta}]=E[X(X^TX)^{-1}X^Ty]=E[XX^{-1}{X^T}^{-1}{X^T}y]=y$

然后再看最大似然估计，因为 $Y\sim N(f(x), \sigma^2)$ ,所以其似然函数为
$L(\theta)=-\frac{N}{2}log(2\pi)-Nlog(\sigma)-\frac{1}{2 \sigma^2}\sum_{i=1}^N (y_i-f_\theta(x_i))^2$
对 $ln(L(\theta))$ 求偏导==0，就可得到和LS一样的结果。

知道了参数估计后，我们就得到了 $\hat{\beta}$ 这个矩阵，但可以发现这个矩阵有 $(X^TX)^{-1}$ 这一项，也就意味着需要进行矩阵的逆运算，那在实际中，如果p>>n时，有可能会出现X可能不是满秩矩阵-> $X^TX$ 可能是奇异矩阵-> $\beta$ 不唯一的情况，那一般在统计上出现这种情况，会在原来的项上加上一个I，即 $(X^TX+I)^{-1}$ ,那如果加上罚函数的话也可以避免这种情况。

确定了模型，估计了未知参数之后，只要我们有了数据，就可以轻松的来训练和预测。等到训练结束后，我们可以从模型中得知其决策边界是线性的。注意，我们所谓的线性，指的是Y与参数间的线性关系，并非是与 $X_1,..,X_m$ 之间的

有了以上的一些了解之后，我们再来看模型选择这个问题，即如果我们的数据有很多个feature,我们该怎么选择要把哪些变量放入模型呢?

hard-thresholding 类:
- AIC/BIC/AICC <- 遍历所有有可能的feature组合，然后选最优的一个
- Forward Stepwise Selection: 从只含有Intercept项的模型开始，根据一些指数来选择下一个加入模型的变量->贪婪算法，给出的不一定是最优的模型
- Backward Stepwise Selection: 从full model 开始，根据一些指数来选择下一个剔除模型的变量
- Forward-Stagewise Regression: -->（LAR）
  
  ESL P74
soft-thresholding -- Shrinkage Method(也可以看做是regularization):
- Ridge Regression(L2): $\hat{\beta}^{ridge}=argmin_\beta\{\sum_{i=1}^N(y_i-\beta_0\sum_{j=1}^px_{ij}\beta_j)^2+\lambda\sum_{j=1}^p\beta_j^2\}$ -> $\hat{\beta}^{ridge}=(X^TX+\lambda I)^{-1}X^Ty$

$E[X\hat{\beta}^{ridge}]=E[X(X^TX+\lambda I)^{-1}X^Ty]\not=y$ ->不是无偏估计
$Var(\hat{\beta}^{ridge})=Var((X^TX+\lambda I)^{-1}X^Ty)=AVar(y)A^T,A=(X^TX+\lambda I)^{-1}X^T$ ，可知 ${\beta}^{ridge}<{\beta}^{OLS}$ ->Variance比普通的线性回归要小

    - Lasso(L1)
    - Ridge VS Lasso: Lasso会从模型中删除不重要的变量，ridge会保留
        - 对于Ridge and Lasso而言, 最优化问题还可以写成以下形式：

$\beta=argmin \sum(y_i-\beta_0-\sum x_{ij}\beta_j)^2$ ,s.t. $|\beta|^q<le t$ ,q=1是Lasso,q=2是Ridge,注意,q=1是最小的q是的该函数凸函数
用图来看

https://www.researchgate.net/figure/Illustration-of-L1-left-vs-L2-right-regularization-Source-HTF01-Figure-312_fig7_226826838
两个方法都会选择第一个椭圆与阴影部分的相交点，从图来看，由于L1的restriction是一个菱形，所以焦点更有可能出现在4个顶点上，而这也就意味着有一个

\beta_i

=0->有的feature会从模型中被剔除。

模型优化方向：

加入 $\beta_p x_i^2$ 这样的项来帮助做非线性的拟合，形成更复杂的模型， $f(x)=\sum_{k=1}^K h_k(x) \beta_k$ 可以通过pairwise plot 来查看x_p与y的相关性，基于图片来判断是否需要将该feature进行transform处理。一般来说的 $h_k(x)$ 有多项式，对数化等等
对于类别变量，对其进行dummy variable的处理
可以引入 $X_1X_2$ 这样的interaction变量

ESL: Local regression fits linear models by locally weighted least squares, rather than fitting constants locally

不确定是不是类似LOESS的意思
？
优缺点：
- 简单，可以给出变量如何影响结果的信息，可解释
- 效果好，尤其是对于小的dataset/稀疏的data/low sigmal-to-noise data

Notes:

回归模型只是相关性，并不是因果性
但做test的时候，p值大有时候不一定说明该参数和Y的相关性弱。因为p值的给出是基于其他参数出现的情况下是否可以抛弃该变量。

[回归] 线性回归 Linear Regression

猜你喜欢

热点阅读