Lineārā regresija

matemātika
lineārā regresija
Lineārā regresija cover image

Ievads

Dota datu kopa D={(X1,Y2),,(XN,YN)}D = \{(X_{1}, Y_{2}), \dots,(X_{N}, Y_{N})\}, piemēram, XiX_{i} un YiY_{i } ir nepārtraukti, “Lineārās regresijas” mērķis ir atrast labāko līniju, kas atbilst šiem datiem.

Citiem vārdiem sakot, mēs vēlamies izveidot modeli:

y^=a0+a1.x1++ap.x_p\hat{y} = a*{0} + a*{1}.x*{1} + \dots + a*{p}.x\_{p}

kur pp ir mainīgā XX izmēru skaits.

Šajā rakstā mēs redzēsim, kā atrisināt šo problēmu trīs scenārijos:

  • Ja X ir viendimensionāls, t.i., p=1p=1.

  • Ja X ir daudzdimensionāls, t.i., p>1p>1.

  • Izmantojot gradienta nolaišanos.

XX ir viendimensijas (parastais mazākais kvadrāts)

Modelim, kuru vēlamies izveidot, ir šāda forma:

y^=a0+a1.x\hat{y} = a*{0} + a*{1}.x

Atcerieties, ka lineārās regresijas mērķis ir atrast līniju, kas vislabāk atbilst datiem. Citiem vārdiem sakot, mums ir jāsamazina attālums starp datu punktiem un līniju.

(a0^,a1^)=argmin(a0,a1)i=1N(yiyi^)2(\hat{a*{0}}, \hat{a*{1}}) = \underset{(a*{0}, a*{1})}{\operatorname{argmin}} \sum\limits*{i=1}^{N} (y*{i} - \hat{y*{i}})^2

=argmin(a0,a1)i=1N(yi(a0+a1.xi))2= \underset{(a*{0}, a*{1})}{\operatorname{argmin}} \sum\limits*{i=1}^{N} (y*{i} - (a*{0} + a*{1}.x*{i}))^2

Liekam:

L=i=1N(yi(a0+a1.x_i))2L = \sum\limits*{i=1}^{N} (y*{i} - (a*{0} + a*{1}.x\_{i}))^2

Lai atrastu minimumu, mums jāatrisina šādi vienādojumi:

{La0=0La1=0\begin{cases} \frac{\partial L}{\partial a_{0}} = 0\\ \frac{\partial L}{\partial a_{1}} = 0 \end{cases}
{i=1N2(yi(a0+a1.xi))=0i=1N2xi(yi(a0+a1.xi))=0\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}

Mēs sākam, izstrādājot pirmo vienādojumu:

i=1Nyii=1Na0+i=1Na1.xi=0\sum\limits_{i=1}^{N} y_{i} - \sum\limits_{i=1}^{N}a_{0} + \sum\limits_{i=1}^{N} a_{1}.x_{i} = 0\\
i=1NyiNa0+i=1Na1.xi=0\sum\limits_{i=1}^{N} y_{i} - Na_{0} + \sum\limits_{i=1}^{N} a_{1}.x_{i} = 0\\
a0=i=1NyiNi=1NxiNa1a_{0} = \frac{\sum\limits_{i=1}^{N} y_{i}}{N} - \frac{\sum\limits_{i=1}^{N} x_{i}}{N}a_{1}
a0=YXa1a_{0} = Y - Xa_{1}

Mēs aizvietojam otrajā vienādojumā:

i=1Nxi(yiY+Xa1a1xi)=0\sum\limits_{i=1}^{N} x_{i}(y_{i} - Y + Xa_{1} - a_{1}x_{i}) = 0
i=1N(yiY)+a1(Xxi)=0\sum\limits_{i=1}^{N} (y_{i} - Y) + a_{1}(X - x_{i}) = 0
i=1N(yiY)i=1Na1(xiX)=0\sum\limits_{i=1}^{N} (y_{i} - Y) - \sum\limits_{i=1}^{N}a_{1}(x_{i} - X) = 0
a1=i=1N(yiY)i=1N(xiX)=i=1N(yiY)(xiX)i=1N(xiX)2=COV(X,Y)VAR(X)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)}

Mēs aizstājam atpakaļ a0a_{0}:

{a0=YXCOV(X,Y)VAR(X)a1=COV(X,Y)VAR(X)\begin{cases} a_{0} = Y - X\frac{COV(X, Y)}{VAR(X)}\\ a_{1} = \frac{COV(X, Y)}{VAR(X)} \end{cases}

XX ir daudzdimensionāls (parastais mazākais kvadrāts)

Šajā gadījumā XiX_{i} vairs nav reāls skaitlis, bet gan pp izmēra vektors:

Xi=(Xi1,Xi2,,Xip)X*{i} = (X*{i1},X*{i2},\dots,X*{ip})

Tātad modelis ir uzrakstīts šādi:

y^=a0+a1x1+a2x2++apx_p\hat{y} = a*{0} + a*{1}x*{1} + a*{2}x*{2} + \dots + a*{p}x\_{p}

vai arī to var rakstīt matricas formātā:

Y^=X.W\hat{Y} = X.W

kur:

  • YY ir (N,1)(N, 1) formā.

  • XX ir (N,p)(N, p) formā.

  • WW ir formas (p,1)(p, 1): šis ir parametru vektors (w1,w2,,wp)(w_{1}, w_{2}, \dots, w_{p}).

Līdzīgi kā pirmajā gadījumā, mūsu mērķis ir samazināt šādu daudzumu:

W^=argminWi=1N(yiy_i^)2\hat{W} = \underset{W}{\operatorname{argmin}} \sum\limits*{i=1}^{N} (y*{i} - \hat{y\_{i}})^2

Atkal liksim:

L=i=1N(yiy_i^)2L = \sum\limits*{i=1}^{N} (y*{i} - \hat{y\_{i}})^2

=(YXW)T(YXW)= (Y-XW)^{T}(Y-XW)
=YTYYTXWWTXTY+WTXTXW= Y^TY-Y^TXW-W^TX^TY+W^TX^TXW
=YTY2WTXTY+WTXTXW= Y^TY-2W^TX^TY+W^TX^TXW

Tā kā mēs vēlamies samazināt LL attiecībā pret WW, mēs varam ignorēt pirmo terminu "YTYY^TY", jo tas nav atkarīgs no WW, un atrisināsim šādu vienādojumu:

(2WTXTY+WTXTXW)W=0\frac{\partial (-2W^TX^TY+W^TX^TXW)}{\partial W} = 0
2XTY+2XTXW^=0-2X^TY+2X^TX\hat{W} = 0
W^=(XTX)1XTY\hat{W} = (X^TX)^{-1}X^TY

Izmantojot gradienta nolaišanos

Šeit ir gradienta nolaišanās algoritma formulējums:

wn+1=wnlr×fw_nw*{n+1} = w*{n} - lr \times \frac{\partial f}{\partial w\_{n}}

Tagad viss, kas mums jādara, ir jāpiemēro diviem parametriem a0a_{0} un a1a_{1} (viena mainīgā XX gadījumā):

{a0(n+1)=a0(n)lr×La0a1(n+1)=a1(n)lr×La1\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}

un mēs zinām, ka:

{La0=i=1N2(yi(a0+a1.xi))La1=i=1N2xi(yi(a0+a1.xi))\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}

Pēc aizstāšanas:

{a0(n+1)=a0(n)+2×lr×i=1N(yi(a0(n)+a1(n).xi))a1(n+1)=a1(n)+2×lr×i=1Nxi(yi(a0(n)+a1(n).xi))\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}

Viktorīna

  • Kāda ir optimālo parametru vektora formula daudzdimensiju lineārās regresijas gadījumā:

  • COV(X,Y)VAR(Y)\frac{COV(X, Y)}{VAR(Y)}

  • COV(X,Y)VAR(X)\frac{COV(X, Y)}{VAR(X)}

  • (XTX)1XTY(X^TX)^{-1}X^TY "pareizi"

  • Kāpēc atvasinājumu liekam uz 0?

  • Lai atrastu ekstrēmu. "pareizi"

  • Lai samazinātu atvasinājumu.

  • Paturēt tikai atvasinājuma reālo daļu.

  • Kāds ir lineārās regresijas mērķis?

  • Lai atrastu līniju, kas iet gar visiem punktiem.

- Lai atrastu rindiņu, kas vislabāk raksturo datus."pareizi"

  • Lai atrastu līniju, kas vislabāk atdala datus.

Career Services background pattern

Karjeras pakalpojumi

Contact Section background image

Sazināsimies

Code Labs Academy © 2024 Visas tiesības paturētas.