《机器学习》——读书笔记2

事实证明，寒假在家也并不能高效工作，年前准备过年，年后没事了，想动手却冻手，幸好姥姥家里暖和，过年姥姥又伤风感冒，姥姥今年74，姥爷今年81，今天本来到邢台的，但是放心不下又回来了，愿姥姥姥爷健康长寿，别无他求。

第 3 章 线性模型

3.1 基本形式

给定由d个属性描述的实例 x=(x1;x2;...;xd) ,线性模型试图学得一个通过属性的线性组合来进行预测的函数，即 f(x)=w1x1+w2x2+...+wdxd+b 用向量形式写成 f(x)=wTx+b .
由于 w 直观表达了个属性在预测中的重要性，因此线性模型有很好的可解释性。

3.2 线性回归

给定数据集 D={(x1,y1),(x2,y2),...,(xm,ym)} ,其中 xi=(xi1;xi2;...;xid),yi∈R . “线性回归”试图学得一个线性模型以尽可能准确地预测实值输出标记。
对离散属性，若属性值间存在“序”关，可通过连续化将其转化为连续值；若属性值间不存在序关系，假定有k个属性值，则通常转化为k维向量。

先考虑最简单的情形：输入属性的数目只有一个
线性回归试图学得

f(xi)=wxi+b,使得f(xi)≃yi

利用均方误差最小化确定w,b

(w∗,b∗)=argmin(w,b)∑i=1m(f(xi)−yi)2=argmin(w,b)∑i=1m(yi−wxi−b)2

基于均方误差最小化来进行模型求解的方法称为“最小二乘法”。
求解w和b使 E(w,b)=∑mi=1(yi−wxi−b)2 最小化的过程，称为线性回归模型的最小二乘“参数估计”。将 E(w,b) 分别对w和b求导，得

∂E(w,b)∂w=2(w∑i=1mx2i−∑i=1m(yi−b)xi),∂E(w,b)∂b=2(mb−∑i=1m(yi−wxi)),

令上式得零得到w和b最优解的闭式解

w=∑mi=1yi(xi−x¯)∑mi=1x2i−1m(∑mi=1xi)2,b=1m∑i=1m(yi−wxi),

更一般的情形，样本由d个属性描述
此时我们试图学得

f(xi)=wTxi+b,使得f(xi)≃yi

这称为“多元线性回归”
把数据集D表示为大小为 m×(d+1) 大小的矩阵 X ，

X=⎛⎝⎜⎜⎜⎜⎜x11x21⋮xm1x12x22⋮xm2……⋱…x1dx2d⋮xmd11⋮1⎞⎠⎟⎟⎟⎟⎟=⎛⎝⎜⎜⎜⎜⎜xT1xT2⋮xTm11⋮1⎞⎠⎟⎟⎟⎟⎟

再把标记也写成向量形式 y=(y1;y2;…;ym) ，则类似均方误差，有

w^∗=argminw^(y−Xw^)T(y−Xw^)

令 Ew^=(y−Xw^)T(y−Xw^) ,对 w^ 求导得到

∂Ew^∂w^=2XT(Xw^−y)（这里对矩阵求导不懂）

当 XTX 为 满秩矩阵时，令上式为零可得

w^∗=(XTX)−1XTy

令 x^i=(xi;1) ,则最终学得的多元线性回归模型为

f(x^i)=x^Ti(XTX)−1XTy

然而，现实任务中 XTX 往往不是满秩矩阵，此时可解出多个 w^ 。选择哪一个解作为输出，将由悬系算法的归纳偏好决定，常见的做法是引入正则化项。

线性模型的变形
线性模型的预测值逼近真是标记y时，就得到线性回归模型。
线性回归模型简写为

y=wTx+b

令模型预测值逼近y的衍生物，例如： lny=wTx+b ——”对数线性回归”，实质上在求取输入空间到输出空间的非线性函数映射。

广义线性模型
考虑单调可微函数g(.)，令 y=g−1(wTx+b)。

3.3 对数几率回归

上一节讨论使用线性模型进行回归学习，对于分类任务，只需找一个单调可微函数将分类任务的真实标记y与线性回归模型的预测值联系起来。
对于二分类任务，可通过“单位阶跃函数”把线性回归模型产生的预测值 z=wTx+b 对应到输出标记 y∈{0,1} 。

“单位阶跃函数”y=⎧⎩⎨⎪⎪0,0.5,1,z<0;z=0;z>0;

但是单位阶跃函数不连续，不可直接作为“广义线性模型”中的 g−(.) ，可用对数几率函数

y=11+e−z

替代之。

对数几率函数是一种“Sigmoid函数”，它将z值转化为一个接近0或1的y值，并且其输出值在z=0附近变化很陡。
将对数几率函数代入

y=11+e−(wTx+b).(1)lny1−y=wTx+b

若将y视为样本 x 作为正例的可能性，则1-y时期反例可能性，故“对数几率”为：

lny1−y

小结：（1）式是在用线性回归模型的预测结果去逼近真实标记的对数几率，因此，其对应的模型称为“对数几率回归”，是一种分类学习方法。
优点：
- 直接对分类可能性进行建模，无需实现假设数据分布，这样就避免了假设分布不准确所带来的问题。
- 不仅预测出“类别”，还可得到近似概率预测。
- 对率函数是任意阶可导的凸函数，现有的许多数值优化算法都可直接用于求取最优解。

确定（1）中的w和b（这里不太懂）
若将式（1）中的y视为类后验概率估计p(y=1|x),则

lnp(y=1|x)p(y=1|x)=wTx+bp(y=1|x)=ewTx+b1+ewTx+bp(y=1|x)=11+ewTx+b

于是，通过“极大似然法”估计w和b。对率回归模型最大化“对数似然”

l(w,b)=∑i=1mlnp(yi|xi;w,b)(2)

即令每个样本属于其真实标记的概率越大越好。
为便于讨论，令 β=(w,b),x^=(x;1), 则 wTx+b 可简写为 βTx^ .再令 p1(x^;β)=p(y=1|x^;β),p0(x^;β)=p(y=0|x^;β)=1−p1(x^;β) ，则(2)式中的似然项可重写为

p(yi|xi;w,b)=yip1(x^i;β)+(1−yi)p0(x^i;β)

最小化（2）式等价于最小化

l(β)=∑i=1m(−yiβTx^i+ln(1+eβTx^i))

3.4 线性判别分析

Linear Discriminant Analysis，LDA 一种经典的线性学习方法，用于二分类问题。亦乘“Fisher”判别分析。
LDA思想：给定训练样例集，设法将样例投影到一条直线上，使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离；在对新样本进行分类时，将其投影到同样的这条直线上，再根据投影点的位置来确定新样本的类别。

假设条件：给定数据集 D={(xi,yi)}mi=1,yi∈{0,1} ,令 Xi、μi、Σi 分别表示第 i∈{0,1} 类示例的集合、均值向量、协方差矩阵。
思想实现：欲使同类样例的投影点尽可能接近，可以让同类样例投影点的协方差尽可能小，即 wTΣ0w+wTΣ1w 尽可能小；而欲使异类样例的投影点尽可能远离，可以让类中心之间的距离尽可能大，即 ||wTμ0−wTμ1||22 尽可能大。即最大化下式

J=wTμ0−wTμ1||22wTΣ0w+wTΣ1w(3)

定义“类内散度矩阵”

Sw=Σ0+Σ1=∑x∈X0(x−μ0)(x−μ0)T+∑x∈X1(x−μ1)(x−μ1)T

以及“类间散度矩阵”

Sb=(μ0−μ1)(μ0−μ1)T

则式（3）可重写为

J=wTSbwwTSww

这就是LDA欲最大化的目标，即 Sb 与 Sw 的“广义瑞利商”