[笔记]监督学习·梯度下降

监督学习(Supervised Learning)

SupervisedLearning,Wiki

通过训练资料（包含输入和预期输出的数据集）去学习或者建立一个函数模型，并依此模型推测新的实例。函数的输出可以是一个连续的值（回归问题,Regression），或是预测一个分类标签（分类问题,Classification）。

机器学习中与之对应还有：

无监督学习(Unsupervised Learning)

强化学习(Reinforcement Learning)



在课程中定义了一些符号：

x(i) :输入特征(input features)

y(i) :目标变量(target variable)

(x(i),y(i)) :训练样本(training example)

{(x(i),y(i));i=1,...,m} :训练集合(training set)

m :训练样本数量

h :假设函数(hypothesis)

线性回归(Linear Regression)

栗子：房屋价格与居住面积和卧室数量的关系



在这里输入特征变成了两个x1,x2,目标变量就是价格

x1: Living area

x2: bedrooms

可以把它们称之为x的二维向量。

在实际情况中，我们需要根据你所选择的特征来进行一个项目的设计。

我们之前已经了解了监督学习，所以需要我们决定我们应该使用什么样的假设函数来进行训练参数。线性函数是最初级，最简单的选择。

所以针对例子假设函数：

hθ(x)=θ0+θ1x1+θ2x2

h(x)=∑i=0nθixi=θTx

其中的θ就是要训练的参数（也被成为权重），我们想要得到尽可能符合变化规律的参数，使得这个函数可以用来估计价格。

因为要训练θ，所以引入cost function(损失函数／成本函数)

J(θ)=12∑i=1m(hθ(x(i))−y(i))2

最小二乘法(LMS algorithm)

我们需要求出使J(θ)最小化的θ，所以使用梯度下降算法(gradient descent algorithm)该算法通过从一个初始的θ值开始，不断地对θ值进行更新使J(θ)更小，直到找到一个θ值可以使J(θ)最小。更新方式：

θj:=θj−α∂∂θjJ(θ)

α :学习速率(learning rate)，它决定了梯度下降一步的大小。

:= :为赋值符号

假设只有一个训练样本(x,y)：



所以更新函数为：

θj:=θj+α(y(i)−hθ(x(i)))x(i)j

这就是最小二乘法(LMS, least mean squares)更新规则。

在面对多个样本进行处理时，就需要在此基础上演变更新规则。

批处理梯度下降(batch gradient descent)

每一步都要访问整个数据集

随机梯度下降(stochastic gradient descent)

每个样本进行一次更新



随机梯度下降比批处理梯度下降收敛更快。

所以当数据集比较大时，随机梯度下降优于批处理梯度下降。

正规方程组(normal equations)

矩阵导数

简单地来说就是用矩阵中的每个元素对f求导，然后将导数写在各个元素对应的位置。

矩阵的迹

一个n×n矩阵A的主对角线（从左上方至右下方的对角线）上各个元素的总和被称为矩阵A的迹（或迹数），一般记作tr(A)。

trA=∑i=1nAii

常用性质：

实数a，tra=a

trA=trAT

trAB=trBA

trABC=trCAB=trBCA

▽AtrAB=BT

▽AtrABATC=CAB+CTABT

方程组求解

前提设计：X输入特征，y目标变量



根据性质对式子进行展开化简



其中，

第三步用到了tra=a

第四步用到了trA=trAT

第五步用到了▽AtrABATC=CAB+CTABT

▽θtrθTXTXθ=▽θtrθθTXTX=▽θtrθIθTXTX,I为单位矩阵，

由此可化为▽AtrABATC形式，A=θ，B=I，C=XTX。

使J最小化，所以▽θJ(θ)=0,可得到正规方程组：