封闭式岭回归

Posted 2023-02-23

【中文标题】封闭式岭回归

【英文标题】：Closed Form Ridge Regression

【发布时间】：2019-07-13 06:46:24

【问题描述】：

我无法理解实现多岭回归的函数的输出。我在 Python 中从头开始为该方法的封闭形式执行此操作。这个封闭的表格如下所示：

我有一个训练集X 即100 rows x 10 columns 和一个向量y 即100x1。

我的尝试如下：

def ridgeRegression(xMatrix, yVector, lambdaRange):
    wList = []

    for i in range(1, lambdaRange+1):
        lambVal = i

        # compute the inner values (X.T X + lambda I)
        xTranspose = np.transpose(x)
        xTx = xTranspose @ x
        lamb_I = lambVal * np.eye(xTx.shape[0])

        # invert inner, e.g. (inner)**(-1)
        inner_matInv = np.linalg.inv(xTx + lamb_I)

        # compute outer (X.T y)
        outer_xTy = np.dot(xTranspose, y)

        # multiply together
        w = inner_matInv @ outer_xTy
        wList.append(w)

    print(wList)

为了测试，我使用前 5 个 lambda 值运行它。 wList 变为 5 numpy.arrays 每个长度为 10（我假设为 10 个系数）。

这是这 5 个数组中的第一个：

array([ 0.29686755,  1.48420319,  0.36388528,  0.70324668, -0.51604451,
        2.39045735,  1.45295857,  2.21437745,  0.98222546,  0.86124358])

我的问题和澄清：

不应该有 11 个系数（1 个 y 截距 + 10 个斜率）吗？ 我如何从这个计算中得到Minimum Square Error？ 如果我想绘制这条线，接下来会发生什么？

我想我只是对我在看什么感到很困惑，因为我仍在研究我的线性代数。

谢谢！

【问题讨论】：

请按照您创建此帐户时的建议阅读并遵循帮助文档中的发布指南。 On topic、how to ask 和 ... the perfect question 在此处申请。 *** 不是设计、编码、研究或教程资源。

@Prune 会的，谢谢！

永远不要使用倒数。 Numpy 有一个解决方法。

【参考方案1】：

首先，我会将您的岭回归修改为如下所示：

import numpy as np
def ridgeRegression(X, y, lambdaRange):
    wList = []
    # Get normal form of `X`
    A = X.T @ X 
    # Get Identity matrix
    I = np.eye(A.shape[0])
    # Get right hand side
    c = X.T @ y
    for lambVal in range(1, lambdaRange+1):
        # Set up equations Bw = c        
        lamb_I = lambVal * I
        B = A + lamb_I
        # Solve for w
        w = np.linalg.solve(B,c)
        wList.append(w)        
    return wList

请注意，我用隐式求解替换了您的 inv 调用来计算矩阵逆。这在数值上更加稳定，这对于这些类型的问题尤其重要。

我还将A=X.T@X 计算、单位矩阵I 生成和右侧向量c=X.T@y 计算排除在循环之外——这些不会在循环内改变并且计算起来相对昂贵.

正如@qwr 所指出的，X 的列数将决定您拥有的系数数。您尚未描述您的模型，因此不清楚基础域x 是如何构造成X 的。

传统上，人们可能会使用多项式回归，在这种情况下，X 是Vandermonde Matrix。在这种情况下，第一个系数将与 y 截距相关联。但是，根据您问题的上下文，您似乎对多元线性回归感兴趣。在任何情况下，模型都需要明确定义。一旦完成，则返回的权重可用于进一步分析您的数据。

【讨论】：

给定的公式建议使用正则化项的普通线性回归

谢谢@HAL9001。这帮助我找到了正确的理解方向。

【参考方案2】：

1234563有关示例，请参阅Wikipedia article on linear regression。

要计算样本内 MSE，请使用 MSE 的定义：残差平方的平均值。要计算泛化误差，您需要交叉验证。

【参考方案3】：

此外，您不应将lambVal 视为整数。如果目标只是在xTx 病态时避免数值错误，它可以很小（接近 0）。

我建议您使用对数范围而不是线性范围，从 0.001 开始，如果您愿意，可以增加到 100 或更多。例如，您可以将代码更改为：

powerMin = -3
powerMax = 3

for i in range(powerMin, powerMax):
    lambVal = 10**i
    print(lambVal)

然后，一旦您通过交叉验证的数据找出lambVal 的正确顺序，您就可以尝试更小的范围或线性范围。