👋👋欢迎来到👋👋
🎩魔术之家！！🎩

该文章收录专栏
✨— 机器学习 —✨

专栏内容
✨— 【机器学习】浅谈正规方程法&梯度下降 —✨
✨— 机器学习】梯度下降之数据标准化 —✨
✨— 第十届“泰迪杯“感谢学习总结—✨

@toc

正规方程法（最小二乘）与梯度下降法都是为了求解线性回归的最优参数，但是不同的是正规方程法只需要一步就可以得到代价函数最优点，而梯度下降则是迭代下降，看起来似乎正规方程法要好得多，但实际梯度下降使用场景更多，下面我们介绍这两种算法以及优缺点

一、梯度下降

1.1 一个参数

• 我们从最简单的线性方程解释，后面推广到的多个参数的方程

典型的房价预测问题

我们假设其数据模型为线性回归模型，方程如下

$h_\theta(x)$ = $\theta_1*x$
我们希望能求出 $\theta_1$参数，让方程 $h_\theta(x)$ 更加拟合数据，梯度下降的方法就是通过求代价函数最小得到最优参数或者局部最优参数的，

代价函数
代价函数就是实际数据与数学模型（这里是一元一次方程）所预测的差值的平方之和的平均值，（其中 $y$ 为真实预测值）

• $J_\theta(x)$ = $\sum_{x=1}^n \frac{（h_\theta(x) - y）^2}{ n }$ （代价函数方程 $J_\theta(x)$ ）

如：

蓝线的长度就是代价函数，可以看到代价函数越大拟合效果越差，代价函数越小，拟合效果越好。

其中关于 所求方程 $h_\theta(x)$（左图）和 $\theta_1$ 的的代价函数 $(\theta_1)$(右图）如下图：

可以看到当方程越拟合数据，代价函数越小，当代价函数 $J(\theta_1)$值为0时，回归方程 $h_\theta(x)$完全拟合数据，此时我们要做的就是让代价函数变小。
（后面所讲的正规方程解法就是直接令代价函数为0，求解 $\theta$参数的）

1.2梯度下降核心方程

迭代求解方程
$\theta_1$ = $\theta_1$ - $\alpha*\frac{δJ(\theta_1)}{δ\theta_1}$

其中 $\alpha$是学习率， $\frac{δJ(\theta_0)}{δ\theta_0}$ 是对代价函数 $J(\theta_1)$求关于 $\theta_1$ 的偏导数，由于只有一个参数（一阶），所以这里的方程 $\frac{δJ(\theta_1)}{δ\theta_1}$ 也可以表示为 $\frac{dJ(\theta_1)}{d\theta_1}$ (即求导数）。
原理讲解

• 当 $\theta_1$ 所在的代价函数区间是单调递增的，如下图（红线标记），
  此时 $\frac{dJ(\theta_1)}{d\theta_1}$ （即 $h_\theta(x)$的斜率）大于0，则 $\theta_1$ = $\theta_1$ - $\alpha*\frac{δJ(\theta_1)}{δ\theta_1}$ 为 $\theta_1$ 减去一个正数， $\theta_1$往左边退（向代价函数最小值靠近），
• 当 $\theta_1$ 所在的代价函数区间是单调递减时的如图（蓝线标记），此时 $\theta_1$ = $\theta_1$ - $\alpha*\frac{δJ(\theta_1)}{δ\theta_1}$ 为 $\theta_1$ 减去一个负数， $\theta_1$往右边退（向代价函数最小值靠近）

1.3学习率 $\alpha$

有时我们的迭代方程下降时，可能很缓慢，
需要走很多步（化很久时间）才能到达局部最优或者全局最优 如下图：

此时学习率 $\alpha$的作用就是调整步子长度，让其更快的下降到局部最优或者全局最优
注意：

$\alpha$需要根据数据调节，

• 设置大了，走一步太大了跳到对面那一头了，与想要的结果违背，如图

• 设置小了，步子又太小，所以设置 $\alpha$也是一个细活

1.4两个参数

两个参数 $\theta_1$, $\theta_0$,方程为

$h_\theta(x)$ = $\theta_0 +$ $\theta_1*x$

迭代求解方程 (注意：参数是同步更新的，你的腿只能走一步）

• $\theta_0$ = $\theta_0$ - $\alpha*\frac{δJ(\theta_0)}{δ\theta_0}$
• $\theta_1$ = $\theta_1$ - $\alpha*\frac{δJ(\theta_1)}{δ\theta_1}$

此时的代价函数为 $J(\theta_0,\theta_1)$，如下图（是一个碗状，与一个参数的图像一样都是凹函数）

为了更好理解，我们可以绘制出其的等高线

则目标所求的既是 等高线中心 或 碗底，即让代价函数最小

1.5多个参数

在问题案例中，往往有个参数 $\theta_i(i=1,2,3...)$

此时的代价方程则时关于多个 $\theta_i$参数，如图

迭代求解方程 (注意：参数是同步更新的，你的腿只能走一步）

$\theta_0$ = $\theta_0$ - $\alpha*\frac{δJ(\theta_0)}{δ\theta_0}$
$\theta_1$ = $\theta_1$ - $\alpha*\frac{δJ(\theta_1)}{δ\theta_1}$
$\theta_2$ = $\theta_2$ - $\alpha*\frac{δJ(\theta_2)}{δ\theta_2}$
…
$\theta_n$ = $\theta_n$ - $\alpha*\frac{δJ(\theta_n)}{δ\theta_n}$

从中也可以看到在梯度下降迭代中，有两个最优结果（其他案例可能有许多），

整个迭代过程可以形象的理解为 你现在在山顶，要找一条最快的路下山，山底就是你的目标地点，也就是代价函数最小

1.6数据标准化

梯度下降在量化纲位不同，如果数
据范围分别是是【0~1000，0 ~5】或者【-0.00004 ~ 0.00002，10 ~ 30】, 那么在使用梯度下降算法时，他们的等高线是一个又窄又高的等高线，如下图：

在梯度下降算法中，参数更新就会如上图左右震荡，收敛缓慢，我们就需要对特征进行特征缩放—数据标准化
详解见文章
【机器学习】梯度下降之数据标准化

二、正规解法

对正规解法来说，一般例子是对代价函数 $J(θ)$求偏导数，令其为 0 便可以直接算出 最优参数 $θ$,但大多数情况下 $θ$是一个多维向量(即有多个参数 $\theta_i(i=1,2,3...)$），此时代价函数 $f(θ)$是关于 $θ$多维向量的函数，那么要求从 $θ_0$ 到 $θ_n$的值，就分别对对应的 $θ_i$(i = 1,2,3,4…)求偏导数，并令其为0求其最优参数.

假设有M个数据，每个数据N个特征
方程如下：

$θ = (x^T * x )^{-1} * x^T * y$

这里的 $x$为矩阵，该矩阵每一行为 $x_i(i=1,2,3...)$（ $x_i$为列向量，维度为特征N）的向量转置组成，即任意一行的每一列为 $x_i$其特征
$x$矩阵同下图A矩阵：

这里的 $a_{11}$代表第一个数据 $x_1$的第一个特征值，依次往下，化简即为

第一行即为 $x_1$N维向量的的转置

方程原理讲解视频：

【线性回归】正规方程（最小二乘法)】

由于正规方程是直接求解，所以不需要迭代熟练，不需要“下山",所以不需要对其进行特征缩放（如梯度下降需要数据标准化）

2，1 使用场景和优缺点

假设我们有M个数据集，N个特征

• 梯度下降缺点： 首先需要先提前设定好学习率，并调试，这无疑是额外的工作 需要尝试不同的学习率 ，
  梯度下降缺点：需要多次迭代下降，计算可能会更慢
  x

• 正规解法缺点:在对于大量的数据来说，梯度学习也可以很好的运行结果，而正规方程求解中 $(x^T * x )^{-1}$ 这一步中，其维度即为x的特征维度，由于计算机在计算矩阵的逆 的时间复杂度时 $O（n^3）$ ,在特征维度非常大时，运行时间很久，

综上所述：
可以看到他们二者适用场景 不同于数据的大小， 那我们怎么定义数据"大"还是"小"呢, 吴恩达老师给出了一个比较好的区间：

N > 10000 => 梯度下降
N < 10000 => 正规解法
但是不是绝对的判断，还需要根据情况而定

2.2 正规方程（不可逆性）* 选读

1. 方阵中的两个维度之间存在线性变换关系，导致方阵不满秩
2. n（特征数量）相较于m（样本数量）过大，导致其产生的齐次方程组Ax=0不只有零解

这些不可逆的矩阵我们称为奇异矩阵，逆矩阵在不存在时，我们所求的逆矩阵为伪逆

实际上我们案例对应的情况有

1. 如，房价预测多了一些特征值，而这个特征值和所有特征值有线性相关，即出现上述第一种情况
2. 在特征n >= 数据集数量m的情况下，例如 10 个数据 ，每个数据有 100 个特征，那么我们所要求的θ就是一个101维向量，10个样本太少了，求得的结果偏离真实值，对应上述情况二，这个时候我们可以减去一些特征，或者使用正则化方法（）

其实这种不可逆的情况非常少见，所以在平时案例不用特别担心