用线性回归找到最佳拟合直线（附实战代码python）

1.     寻找数据的拟合直线，即线性回归。

        要找到，最佳的拟合直线 ：  （以只有一个特征的数据为例）

                                        

        利用最小二乘估计 寻找最佳的参数，

        （为什么使用最小二乘估计，即差的平方和，而不用绝对值或者四次方作为成本函数，见最小二乘法的概率解释）

        （事实上，其实最小二乘估计是在广义线性模型是对高斯分布建模的结果）

定义成本函数：

                                        

                                                                                        矩阵形式

    容易理解：

            当成本函数值达到最小时，为拟合直线的回归系数的最佳估计参数。之所以称估计值是因为数据仅仅停留在训练集上。

    求解成本函数极值方法：

        （1）.微分学求导方式（这里是矩阵求导）       （本文所用方法）

        （2）.最优化算法，梯度下降算法

                来理解方法1，成本函数中对自变量进行求导，由于是个矩阵，所以要进行对矩阵求导。

                    令导函数为0，得到结果式为：（过程详见）

                                                

                    即得：                        

    最终得到回归系数矩阵 从而得到拟合直线（可扩展为平面乃至更高维度）

2.    接下来，进行实战利用python进行最佳拟合直线（代码）。

        拟合结果图：

                    

            从结果上来看，线性回归的一个问题时有可能出现欠拟合现象，因为它是具有最小均方误差的无偏估计。所以有些方法允许在估计中引入一些偏差，来进一步降低均方误差。其中一种方法就是局部加权线性回归。

3.    考虑一个问题，当数据特征比训练集样本点还多时，也就是说不可逆。因为 。

        此时就要用缩减样本来“理解”数据，求得回归系数矩阵。

附：

    实战：可利用线性回归来预测鲍鱼的年龄

  示例代码：预测鲍鱼年龄