《机器学习——数学公式推导合集》1. 线性模型之最小二乘法(least square method)求解线性模型

Posted smile-yan

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了《机器学习——数学公式推导合集》1. 线性模型之最小二乘法(least square method)求解线性模型相关的知识,希望对你有一定的参考价值。

1.1 什么是最小二乘法(least square method)

最小二乘法: 基于均方误差最小化来进行模型求解的方法称为 “最小二乘法(least square method)”。

1.2 线性模型(linear model)基本形式

线性模型(linear model)试图学得一个通过属性的线性组合来进行预测的函数,即
f ( x ) = w 1 x 1 + w 2 x 2 + . . . + w d x d + b (1.1) f(\\mathbbx) = w_1x_1 + w_2x_2+...+w_dx_d+b \\tag1.1 f(x)=w1x1+w2x2+...+wdxd+b(1.1)
一般用向量形式写成
f ( x ) = w T x + b (1.2) f(\\mathbbx)=\\mathbfw^\\textT\\mathbfx+b \\tag1.2 f(x)=wTx+b(1.2)
其中 w = ( w 1 ; w 2 ; . . . ; w d ) \\mathbfw=(w_1;w_2;...;w_d) w=(w1;w2;...;wd) w \\mathbfw w b b b 学得之后,模型就得以确定。

摘录自《机器学习》周志华 著 清华大学出版社

1.3 公式推导 1

假设第 i i i 个数据 x i x_i xi 对应的真实值为 y i y_i yi,模型的输出值为 f ( x i ) f(x_i) f(xi),所以我们的目标是使得 f ( x i ) f(x_i) f(xi) 尽可能等于真实值 y i y_i yi,假设训练后 f ( x i ) ≈ y i f(x_i) \\approx y_i f(xi)yi 时,对应的参数为 w ∗ w^* w b ∗ b^* b,其中 w ∗ w^* w 代表一组参数( w 1 , w 2 , . . . , w m w_1,w_2,...,w_m w1,w2,...,wm,其中 m m m 是特征的数目)。

此时 求解目标 可以表示为:
( w ∗ , b ∗ ) = arg min ⁡ ( w , b ) ∑ i = 1 m ( f ( x i ) − y i ) 2 = arg min ⁡ ( w , b ) ∑ i = 1 m ( y i − ( w x i + b ) ) 2 (1.3) (w^*,b^*)=\\argmin_(w,b) \\sum_i=1^m(f(x_i)-y_i)^2 \\\\ = \\argmin_(w,b) \\sum_i=1^m(y_i - (wx_i+b))^2 \\tag1.3 (w,b)=(w,b)argmini=1m(f(xi)yi)2=(w,b)argmini=1m(yi(wxi+b))2(1.3)

即求解当 E ( w , b ) = ∑ i = 1 m ( f ( x i ) − y i ) 2 E_(w, b) = \\sum_i=1^m(f(x_i)-y_i)^2 E(w,b)=i=1m(f(xi)yi)2 取得最小值时参数 w ∗ w^* w b ∗ b^* b 的值。

现在分别对这两参数求偏导,可得
∂ E ( w , b ) ∂ w = 2 ( w ∑ i = 1 m x i 2 − ∑ i = 1 m ( y i − b ) x i ) (1.4) \\frac\\partial_E_(w,b)\\partial_w=2 \\Bigl( w\\sum_i=1^mx_i^2 - \\sum_i=1^m(y_i-b)x_i \\Bigr) \\tag1.4 wE(w,b)=2(wi=1mxi2i=1m(yib)xi)(1.4)

∂ E ( w , b ) ∂ b = 2 ( m b − ∑ i = 1 m ( y i − w x i ) ) (1.5) \\frac\\partial_E_(w,b)\\partial_b=2 \\Bigl( mb - \\sum_i=1^m(y_i-wx_i)\\Bigr) \\tag1.5 bE(w,b)=2(mbi=1m(以上是关于《机器学习——数学公式推导合集》1. 线性模型之最小二乘法(least square method)求解线性模型的主要内容,如果未能解决你的问题,请参考以下文章

《机器学习——数学公式推导合集》1. 最小二乘法(least square method)求解线性模型

机器学习基础——推导线性回归公式

支持向量机(SVM)之数学公式详细推导

机器学习100天(四十一):041 对偶支持向量机-公式推导

线性回归相关知识点总结

机器学习线性分类——线性判别分析LDA(理论+图解+公式推导)