Lineáris regresszió
Frissítve a July 03, 2024 -en 4 percek olvasása

Bevezetés
Adott egy $D = {(X_{1}, Y_{2}), \dots,(X_{N}, Y_{N})}$ adatkészlet, például $X_{i}$ és $Y_{i A }$ folyamatos, A “Lineáris regresszió” célja az adatokhoz illeszkedő legjobb vonal megtalálása.
Más szavakkal, a modellt szeretnénk létrehozni:
$$ \hat{y} = a*{0} + a*{1}.x*{1} + \dots + a*{p}.x_{p} $$
ahol $p$ a $X$ változó dimenzióinak száma.
Ebben a cikkben meglátjuk, hogyan lehet megoldani ezt a problémát három forgatókönyv szerint:
-
Ha X egydimenziós, azaz $p=1$.
-
Ha X többdimenziós, azaz $p>1$.
-
Gradiens süllyedés használata.
$X$ egydimenziós (közönséges legkisebb négyzet)
A létrehozni kívánt modell a következő alakú:
$$ \hat{y} = a*{0} + a*{1}.x $$
Ne feledje, hogy a lineáris regresszió célja az adatokhoz legjobban illeszkedő egyenes megtalálása. Más szóval, minimalizálnunk kell az adatpontok és a vonal közötti távolságot.
$$ (\hat{a*{0}}, \hat{a*{1}}) = \underset{(a*{0}, a*{1})}{\operatorname{argmin}} \sum\limits*{i=1}^{N} (y*{i} - \hat{y*{i}})^2 $$
$$ = \underset{(a*{0}, a*{1})}{\operatorname{argmin}} \sum\limits*{i=1}^{N} (y*{i} - (a*{0} + a*{1}.x*{i}))^2 $$
Tegyük fel:
$$ L = \sum\limits*{i=1}^{N} (y*{i} - (a*{0} + a*{1}.x_{i}))^2 $$
A minimum meghatározásához a következő egyenleteket kell megoldanunk:
$$ \begin{cases} \frac{\partial L}{\partial a_{0}} = 0\ \frac{\partial L}{\partial a_{1}} = 0 \end{cases} $$
$$ \begin{cases} \sum\limits_{i=1}^{N} -2(y_{i} - (a_{0} + a_{1}.x_{i})) = 0\ \sum\limits_{i=1}^{N} -2x_{i}(y_{i} - (a_{0} + a_{1}.x_{i})) = 0 \end{cases} $$
Kezdjük az első egyenlet kidolgozásával:
$$ \sum\limits_{i=1}^{N} y_{i} - \sum\limits_{i=1}^{N}a_{0} + \sum\limits_{i=1}^{N} a_{1}.x_{i} = 0\ $$
$$ \sum\limits_{i=1}^{N} y_{i} - Na_{0} + \sum\limits_{i=1}^{N} a_{1}.x_{i} = 0\ $$
$$ a_{0} = \frac{\sum\limits_{i=1}^{N} y_{i}}{N} - \frac{\sum\limits_{i=1}^{N} x_{i}}{N}a_{1} $$
$$ a_{0} = Y - Xa_{1} $$
A második egyenletben behelyettesítjük:
$$ \sum\limits_{i=1}^{N} x_{i}(y_{i} - Y + Xa_{1} - a_{1}x_{i}) = 0 $$
$$ \sum\limits_{i=1}^{N} (y_{i} - Y) + a_{1}(X - x_{i}) = 0 $$
$$ \sum\limits_{i=1}^{N} (y_{i} - Y) - \sum\limits_{i=1}^{N}a_{1}(x_{i} - X) = 0 $$
$$ a_{1} = \frac{\sum\limits_{i=1}^{N} (y_{i} - Y)}{\sum\limits_{i=1}^{N}(x_{i} - X)} = \frac{\sum\limits_{i=1}^{N} (y_{i} - Y)(x_{i} - X)}{\sum\limits_{i=1}^{N}(x_{i} - X)^2} = \frac{COV(X, Y)}{VAR(X)} $$
Visszacseréljük $a_{0}$-ban:
$$ \begin{cases} a_{0} = Y - X\frac{COV(X, Y)}{VAR(X)}\ a_{1} = \frac{COV(X, Y)}{VAR(X)} \end{cases} $$
$X$ többdimenziós (közönséges legkisebb négyzet)
Ebben az esetben a $X_{i}$ már nem valós szám, hanem egy $p$ méretű vektor:
$$ X*{i} = (X*{i1},X*{i2},\dots,X*{ip}) $$
Tehát a modell a következőképpen van írva:
$$ \hat{y} = a*{0} + a*{1}x*{1} + a*{2}x*{2} + \dots + a*{p}x_{p} $$
vagy mátrix formátumban is írható:
$$ \hat{Y} = X.W $$
ahol:
-
$Y$ $(N, 1)$ alakú.
-
$X$ $(N, p)$ alakú.
-
A $W$ $(p, 1)$ alakú: ez a $(w_{1}, w_{2}, \dots, w_{p})$ paramétervektor.
Az első esethez hasonlóan a következő mennyiség minimalizálására törekszünk:
$$ \hat{W} = \underset{W}{\operatorname{argmin}} \sum\limits*{i=1}^{N} (y*{i} - \hat{y_{i}})^2 $$
Tegyük fel még egyszer:
$$ L = \sum\limits*{i=1}^{N} (y*{i} - \hat{y_{i}})^2 $$
$$ = (Y-XW)^{T}(Y-XW) $$
$$ = Y^TY-Y^TXW-W^TX^TY+W^TX^TXW $$
$$ = Y^TY-2W^TX^TY+W^TX^TXW $$
Mivel a $L$-t szeretnénk minimalizálni a $W$-hoz képest, ezért figyelmen kívül hagyhatjuk az első “$Y^TY$” tagot, mert független a $W$-tól, és oldjuk meg a következő egyenletet:
$$ \frac{\partial (-2W^TX^TY+W^TX^TXW)}{\partial W} = 0 $$
$$ -2X^TY+2X^TX\hat{W} = 0 $$
$$ \hat{W} = (X^TX)^{-1}X^TY $$
Gradiens süllyedés használata
Íme a gradiens süllyedés algoritmusának megfogalmazása:
$$ w*{n+1} = w*{n} - lr \times \frac{\partial f}{\partial w_{n}} $$
Most már csak annyit kell tennünk, hogy alkalmazzuk a két paraméterre: $a_{0}$ és $a_{1}$ (egy változó esetén: $X$):
$$ \begin{cases} a_{0}^{(n+1)} = a_{0}^{(n)} - lr \times \frac{\partial L}{\partial a_{0}}\ a_{1}^{(n+1)} = a_{1}^{(n)} - lr \times \frac{\partial L}{\partial a_{1}} \end{cases} $$
és tudjuk, hogy:
$$ \begin{cases} \frac{\partial L}{\partial a_{0}} = \sum\limits_{i=1}^{N} -2(y_{i} - (a_{0} + a_{1}.x_{i}))\ \frac{\partial L}{\partial a_{1}} = \sum\limits_{i=1}^{N} -2x_{i}(y_{i} - (a_{0} + a_{1}.x_{i})) \end{cases} $$
Cseréléssel:
$$ \begin{cases} a_{0}^{(n+1)} = a_{0}^{(n)} + 2 \times lr \times \sum\limits_{i=1}^{N} (y_{i} - (a_{0}^{(n)} + a_{1}^{(n)}.x_{i}))\ a_{1}^{(n+1)} = a_{1}^{(n)} + 2 \times lr \times \sum\limits_{i=1}^{N} x_{i}(y_{i} - (a_{0}^{(n)} + a_{1}^{(n)}.x_{i})) \end{cases} $$
Kvíz
-
Mi az optimális paramétervektor képlete többdimenziós lineáris regresszió esetén:
-
$\frac{COV(X, Y)}{VAR(Y)}$
-
$\frac{COV(X, Y)}{VAR(X)}$
-
$(X^TX)^{-1}X^TY$ “helyes”
-
Miért tesszük a deriváltot 0-ra?
-
Megtalálni a végletet. “helyes”
-
A derivált minimálisra csökkentése.
-
Csak a származék valódi részét megtartani.
-
Mi a lineáris regresszió célja?
-
Megtalálni az összes pontot elhaladó egyenest.
-
Az adatokat legjobban leíró sor megtalálása.”helyes”
-
Az adatokat legjobban elválasztó vonal megtalálása.