【Stanford机器学习笔记】1-Linear Regression with One Variable

1. Model Representation

单变量线性回归即假设函数中hθ(x)只包含一个特征变量x，加上一个偏差值bias，即只包含两个参数 θ0和θ1。

hθ(x)=θ0+θ1x监督分类的基本流程是将训练样本输入学习算法，通过训练得到最优参数Θ，最后得到假设函数h(x)，然后用于回归预测。除了线性回归，还包括一些非线性回归，如指数、对数、多项式等。

2. Cost Function

代价函数J又叫误差平方函数，即所有样本的残差平方和。训练的目标是最小化代价函数，获取最优参数Θ，代价函数公式如下：J(Θ)=12m∑i=1m(hθ(x(i))−y(i))2目标函数是:min J(Θ)



备注：整个课程中，除特殊说明，m都是指训练样本（training examples）的个数，n都是指特征的个数（feature），即特征维数（feature dimension）,i指的是第i个样本（ith example），j是指的第j个参数θj.

3. Cost Function-Intuition I

假设函数hθ(x)是关于x的函数，代价函数J(Θ)是关于参数Θ的函数。

现在令θ0=0，则假设函数变为：hθ(x)=θ1x此时，θ1即为直线hθ(x)的斜率，通过改变θ1的值，寻找代价函数J(Θ)的最小值，此时，θ1即为假设函数hθ(x)的最优参数。

4. Cost Function-Intuition II

现在令θ0和θ1都不等于0，即有两个参数，当有一个参数时，代价函数J(θ)是一个二次函数曲线，当有两个参数时，则代价函数J(θ)是一个三维的碗形曲面图形（二维中用等高线表示），每一对参数（θ0和θ1）都有一个J(θ)值，通过寻找θ0和θ1参数的值，使得J(θ)最小，及参数最优，得到最优假设函数hθ(x)。



课中是通过手动调节参数来是得代价函数J(θ)最小，进而获得最优参数，接下来的课中主要讲如何自动的训练模型来获得最优参数。

5. Gradient Descent

梯度下降法是机器学习中最常用的优化算法之一，该算法的主要流程是：

（1）计算代价函数J(Θ)的偏导数∂∂θjJ(Θ)；

（2）利用梯度下降更新参数的值（注意是同时更新所有参数）;θj:=θj−α∂∂θjJ(Θ) (for j=0 and j=1)

（3）依次循环1-2步，直至收敛（convergence）停止。

6. Gradient Descent Intuition

（1）梯度下降中的导数项ddθjJ(θ1)

假设只有一个参数θ1，则代价函数为J(θ1)为二次函数曲线，梯度下降公式为：θ1:=θ1−α∂∂θ1J(θ1)如果初始值θ1在对称轴右边，梯度下降导数项ddθjJ(θ1)大于等于0，则θ1逐渐减小；如果θ1在对称轴左边，梯度下降导数项ddθjJ(θ1)小于等于0，则θ1逐渐增加；



（2）梯度下降中的学习率α

如果学习率太小，则梯度下降将非常慢；如果太大，则可能会错过最代价函数最小值，或不能收敛。



（3）局部最小值（局部最优）

如果θ1初始值正好落在代价函数一个局部最小值处，则θ1将保持不变。



（4）接近最优，梯度下降逐渐减慢

如果学习率α是固定数值，则随着训练接近代价函数最小值（最优），梯度下降导数项逐渐变小，导致梯度下降逐渐减慢。

7. Gradient Descent for Linear Regression

（1）将梯度下降优化算法用于线性回归（假设只有一个参数x），关键在于计算其中的导数项∂∂θ1J(θ0,θ1)



（2）依次对参数进行求偏导



（3）同时更新参数值，循环以上步骤直至收敛



Note：

上一节中我们讲到，梯度下降可能会收敛到局部最小值，但是对于代价函数J(θ0,θ1)来说不会存在这个问题，因为J(θ0,θ1)是一个凸函数，只有一个全局最小值。



以上是使用的方法称为批量梯度下降法，即训练时遍历所有训练样本，还有另外一种方法叫随机批量梯度下降法（Stochastic Gradient Descent，SGD），在遍历循环时只需要部分样本即可，随后课程会讲到。