文章目錄
- 什麼是普通最小二乘法
- 如何推導OLS
- 正規方程
- 梯度下降法
什麼是普通最小二乘法
普通最小二乘法(Ordinary Least Squares,OLS),是一種線性最小二乘法,用于估計線性回歸模型中的未知參數。
通俗解釋:
最小,即最小化;
二乘,即真實的觀測的因變量的值與預測的因變量的值的差的平方和,
直覺上來看,就是要使得 「集合中每個資料點和回歸曲面上對應預測的點的距離的平方的和」 達到最小,這樣模型對資料才拟合得最好。
如下圖所示,其中 為資料點,要最小化的就是 「紅色線段的長度的平方的和」
如何推導OLS
一般标記:
線性回歸的一般形式:
令 ,,需要極小化的代價函數是:
損失函數、代價函數和目标函數的差別
正規方程
推導過程:
其中:
将向量表達形式轉為矩陣表達形式,則有
其中為行列的矩陣(為樣本個數,為特征個數),為行1列的矩陣,為行1列的矩陣,對進行如下變換
接下來對偏導,需要用到以下幾個矩陣的求導法則:
是以有:
令,
則有
梯度下降法
梯度下降法的具體知識點請看這裡
1、 批量梯度下降
一般形式:
當n>=1時,
矩陣形式:
其中為步長。
2、随機梯度下降
3、 小批量梯度下降