机器学习算法[1]--线性回归，岭回归，Lasso回归原理详解及sklearn实现

1. 线性回归

1.1 原理

线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模拟合的一种分析方式。

如给定一个大小为$m$的数据集：

$\mathbf{D}=\{(x_1\text{x1}{x}_1,y_1),(x_2\text{x2}{x}_2,y_2),.....,(x_m\text{xm}{x}_m,y_m)\}$
其中 $x_i\text{xi}{x}_i=(x_i^{(1)},x_i^{(2)},.....,x_i^{(n)}{)}^T$， n为自变量(特征值)个数

线性回归通过求解线性模型对目标值进行预测，即假设：

$f(x_i\text{xi}{x}_i)={w\text{w}w}^T{x}_i\text{xi}{x}_i+b$ ，使得 $f(x_i\text{xi}{x}_i)\approx y_i$，其中 $w\text{w}w=(w_1,w_2,.....,w_n{)}^T$

线性回归对于求解$w\text{w}w$和$b$采用最小二乘法，其通过均方误差损失(MSE)，即L2-Loss，损失函数定义如下：

$$L(w\text{w}w,b)=\frac{1}{2m}\sum _{i=1}^m(f(x_i\text{xi}{x}_i)-y_i{)}^2\text{\hspace{1em}(1)}$$

其中增加系数$\frac{1}{2}$便与后续梯度求解

令：

$X\text{X}X={\left[\begin{array}{cccc}1& 1& \cdots & 1\\ x_1^{(1)}& x_2^{(1)}& \cdots & x_m^{(1)}\\ ⋮& ⋮& \ddots & ⋮\\ x_1^{(n)}& x_2^{(n)}& \cdots & x_m^{(n)}\end{array}\right]}_{(n+1)\times m}={\left[\begin{array}{cccc}1& 1& \cdots & 1\\ x_0\text{x0}{x}_0& x_1\text{x1}{x}_1& \cdots & x_m\text{xm}{x}_m\end{array}\right]}_{(n+1)\times m}$

$Y\text{Y}Y={\left[\begin{array}{c}{y}_1\\ y_2\\ ⋮\\ y_m\end{array}\right]}_{m\times 1}$，为方便计算将 $(w\text{w}w,b)$合并为 $w^{\prime }\text{w′}{w}^{\prime }={\left[\begin{array}{c}{w}_0\\ w_1\\ ⋮\\ w_n\end{array}\right]}_{(n+1)\times 1}$，其中 $w_0=b$

则式(1)变为

$$\begin{array}{rl}L(w^{\prime }\text{w′}{w}^{\prime })& =\frac{1}{2m}({w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}X-{Y\text{Y}Y}^T)({w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}X-{Y\text{Y}Y}^T{)}^T=\frac{1}{2m}({w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}X-{Y\text{Y}Y}^T)({X\text{X}X}^T{w}^{\prime }\text{w′}{w}^{\prime }-Y\text{Y}Y)\\ & =\frac{1}{2m}({w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}X{X\text{X}X}^T{w}^{\prime }\text{w′}{w}^{\prime }-{w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}XY\text{Y}Y-{Y\text{Y}Y}^T{X\text{X}X}^T{w}^{\prime }\text{w′}{w}^{\prime }+{Y\text{Y}Y}^{T}Y\text{Y}Y)\\ & =\frac{1}{2m}({w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}X{X\text{X}X}^T{w}^{\prime }\text{w′}{w}^{\prime }-2{w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}XY\text{Y}Y+{Y\text{Y}Y}^{T}Y\text{Y}Y)\end{array}$$

求解$w^{\prime }\text{w′}{w}^{\prime }$使预测值$f(x_i\text{xi}{x}_i)$和目标值$y_i$误差最小，即对$L(w^{\prime }\text{w′}{w}^{\prime })$关于$w^{\prime }\text{w′}{w}^{\prime }$求导：
$$\begin{array}{rl}{w}^{\prime }\text{w′}{w}^{\prime }=\underset{{\mathbf{w}}^{\prime }}{\mathrm{argmin}}L(w^{\prime }\text{w′}{w}^{\prime })& \Rightarrow \frac{\partial L(w^{\prime }\text{w′}{w}^{\prime })}{\partial {\mathbf{w}}^{\prime }}=0\\ & \Rightarrow 2X\text{X}X{X\text{X}X}^T{w}^{\prime }\text{w′}{w}^{\prime }-2X\text{X}XY\text{Y}Y=0\\ & \Rightarrow {\mathbf{w}}^{\prime }=(X\text{X}X{X\text{X}X}^T{)}^{-1}X\text{X}XY\text{Y}Y\end{array}$$

当$X\text{X}X{X\text{X}X}^T$为满秩矩阵时，则${\mathbf{w}}^{\prime }$存在唯一解，可根据公式直接求解；在实际问题中存在$X\text{X}X{X\text{X}X}^T$为非满秩矩阵(如当自变量(特征值)个数$n$大于数据集大小$m$，此时未知量个数大于给定样本数量)，则${\mathbf{w}}^{\prime }$的解不唯一，需要对$X\text{X}X$进行奇异值分解(SVD)，最终的解将由具体奇异值求解算法的归纳偏好所决定

1.2 sklearn实现

参考官方文档：点击查看

线性回归可通过sklearn库中linear_model下的LinearRegression类实现

有关参数：

• fit_intercept：是否计算线性回归模型的截距，即$w_0/b$
• normalize：是否对输入自变量进行正则化；当fit_intercept为False时，忽略此参数；deprecated代表目前该参数已被弃用，需要正则化则使用StandardScaler类来实现
• copy_X：是否复制输入自变量矩阵，否则会覆盖原输入自变量矩阵
• n_jobs：用于计算的数量，默认为1
• positive：是否使系数为正，即$w_1\sim w_n$；仅适用于稠密矩阵

有关属性：

• coef_：线性回归系数，即$w_1\sim w_n$；当需求解多个目标系数时，返回2维数组
• rank_：输入自变量矩阵的秩，仅适用于稠密矩阵
• singular_：输入自变量矩阵的奇异值，仅适用于稠密矩阵
• intercept_：线性回归模型的截距，即$w_0/b$
• n_features_in_：自变量(特征值)的个数
• feature_names_in_：自变量的名称，仅当输入自变量有(字符)名称时可用

有关方法：

• fit：拟合线性回归模型，即计算即$w_0\sim w_n$
• get_params：获取对应模型参数
• predict：对输入新的自变量进行预测
• score：获取线性回归模型的相关系数$R^2$
• set_params：设置对应模型参数

使用案例

>>> import numpy as np
>>> from sklearn import linear_model

>>> #假设 y = 1 + x_0
>>> reg = linear_model.LinearRegression() #实例化线性回归模型对象
>>> X = np.array([[1], [2]]) #自变量矩阵
>>> y = np.array([2, 3]) #因变量向量
>>> reg.fit(X, y) #拟合求解
>>> reg.coef_
[1.,]
>>> reg.intercept_
1.0
>>> reg.n_features_in_
1
>>> reg.get_params()
{'copy_X': True, 'fit_intercept': True, 'n_jobs': None, 'normalize': False, 'positive': False}
>>> reg.predict([[3], [4]])
[4., 5.]
>>> reg.score(X, y)
1.0

2. 岭回归

2.1 原理

岭(Ridge)回归用来解决$X\text{X}X{X\text{X}X}^T$为非满秩矩阵(不可逆)的情况；通过在线性回归的MSE损失基础上增加L2正则项对回归系数$w_1\sim w_n$产生惩罚(一般不包含$w_0/b$)；同时岭回归中的L2正则项是一种解决过拟合的方式

所有参数定义与线性回归相同，岭回归的损失函数定义如下：
$$L(w\text{w}w,b)=\frac{1}{2m}\left[\sum _{i=1}^m(f(x_i\text{xi}{x}_i)-y_i{)}^2+\alpha \sum _{i=1}^n{w}_i^2\right]\text{\hspace{1em}(2)}$$

为方便表达假设$w_0/b$(截距)也增加L2正则项，转换为矩阵形式：
$$\begin{array}{rl}L(w^{\prime }\text{w′}{w}^{\prime })& =\frac{1}{2m}\left[({w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}X-{Y\text{Y}Y}^T)({w^{\prime }\text{w′}{w}^{\prime }}^{T}X\text{X}X-{Y\text{Y}Y}^T{)}^T+\alpha {w^{\prime }\text{w′}{w}^{\prime }}^T{w}^{\prime }\text{w′}{w}^{\prime }\right]\end{array}$$
$$\begin{array}{rl}\frac{\partial L(w^{\prime }\text{w′}{w}^{\prime })}{\partial {\mathbf{w}}^{\prime }}& =2X\text{X}X{X\text{X}X}^T{w}^{\prime }\text{w′}{w}^{\prime }-2X\text{X}XY\text{Y}Y+\alpha w^{\prime }\text{w′}{w}^{\prime }=0\\ \Rightarrow w^{\prime }\text{w′}{w}^{\prime }& =(X\text{X}X{X\text{X}X}^T+\alpha I\text{I}I{)}^{-1}X\text{X}XY\text{Y}Y\end{array}$$
$X\text{X}X{X\text{X}X}^T+\alpha I\text{I}I$必可逆，避免了线性回归中$X\text{X}X{X\text{X}X}^T$不可逆的问题，其中$I\text{I}I$为$n+1$维的单位矩阵(主对角线上全为1，其他元素全为0)，$\alpha$为岭回归中的超参数(一般$\alpha$越大，回归系数$w_1\sim w_n$越小)；

选择$\alpha \text{α}\alpha$原则：当各回归系数基本保持恒定时的$\alpha \text{α}\alpha$值

注：一般对$w_0/b$(截距)不包含L2正则项，将$\alpha I\text{I}I$转换为${\left[\begin{array}{cc}0& 0\text{0}0\\ 0\text{0}0& \alpha {I\text{I}I}_{n\times n}\end{array}\right]}_{(n+1)\times (n+1)}$即可

2.2 sklearn实现

参考官方文档：点击查看

岭回归可通过sklearn库中linear_model下的Ridge类实现

有关参数：

• alpha：控制L2正则项的权重$\alpha$
• max_iter：共轭梯度求解器的最大迭代次数
• tol：求解精度
• solver：选择用于计算的求解器(’svd’,'cholesky’等)
• random_state：用于控制’sag’或‘saga’求解器的随机状态
• 其余参数与LinearRegression类中相同参数名称的含义基本相同

有关属性：

• n_iter_：实际迭代次数
• 其余属性与LinearRegression类中相同属性名称的含义基本相同

有关方法：

• 其中方法与LinearRegression类中相同方法名称的功能基本相同

使用案例

>>> import numpy as np
>>> from sklearn import linear_model

>>> #由于引入L2正则化(α=1.0)，回归方程变为：y = 2 + 0.33x_0 --> 可以解决模型复杂引起的过拟合
>>> reg = linear_model.Ridge(alpha=1.0) #实例化岭回归模型对象
>>> X = np.array([[1], [2]]) #自变量矩阵
>>> y = np.array([2, 3]) #因变量向量
>>> reg.fit(X, y) #拟合求解
>>> reg.coef_
[0.33...,]
>>> reg.intercept_
2.0
>>> reg.n_features_in_
1
>>> reg.get_params()
{'alpha': 1.0, 'copy_X': True, 'fit_intercept': True, 'max_iter': None, 'normalize': 'deprecated', 
'positive': False, 'random_state': None, 'solver': 'auto', 'tol': 0.001}
>>> reg.predict([[3], [4]])
[3., 3.33...]
>>> reg.score(X, y)
0.55...

补充线性回归和岭回归对比：

• 线性回归对数据集的噪声敏感，导致回归方程变化较大
• 岭回归通过L2正则项某种程度上防止回归系数变化过大(惩罚回归系数大的权重)，使回归方程更稳定

3. Lasso回归

3.1 原理

Lasso回归通过在线性回归的MSE损失基础上增加L1正则项对回归系数$w_1\sim w_n$产生惩罚(一般不包含$w_0/b$)；与岭回归类似Lasso回归中的L1正则项也是解决过拟合的方式

所有参数定义与线性回归相同，Lasso回归的损失函数定义如下：
$$L(w\text{w}w,b)=\frac{1}{2m}\sum _{i=1}^m(f(x_i\text{xi}{x}_i)-y_i{)}^2+\alpha \sum _{i=1}^n|w_i|\text{\hspace{1em}(3)}$$
由于存在绝对值，故无矩阵表达形式；并且绝对值的存在导致其不是连续可导

• 比较Lasso回归与岭回归差异：相比岭回归，Lasso回归更倾向于将部分回归系数归0，能够忽略部分自变量(特征值)起到稀疏(降维)作用；并且岭回归有解析解而Lasso无解析解，因此求解方式存在不同
• 产生差异的原因：岭回归中L2正则项的平方项会进一步扩大回归系数大的部分，缩减回归系数小的部分(如2 $\Rightarrow$ 4，0.2 $\Rightarrow$ 0.04)，因此岭回归中的L2正则项会更关注回归系数大的部分；而Lasso回归中L1正则项的绝对值对回归系数不会进一步扩大或缩小回归系数，因此相比岭回归，Lasso回归更关注回归系数小的部分

3.2 sklearn实现

参考官方文档：点击查看

Lasso回归可通过sklearn库中linear_model下的Lasso类实现

有关参数：

• alpha：控制L1正则项的权重$\alpha$
• precompute：是否提前计算Gram矩阵来加速运算
• max_iter：最大迭代次数
• tol：求解过程中的残差(当小于该值时停止计算)
• warm_start：是否使用上一次计算结果来初始化
• random_state：用于控制selection为random时的伪随机数生成器种子
• selection：回归系数的更新方式(random和cyclic)
• 其余参数与LinearRegression类中相同参数名称的含义基本相同

有关属性：

• dual_gap：优化结束时的对偶间隙
• sparse_coef_：回归系数的稀疏表示
• n_iter_：满足残差要求时的迭代次数
• 其余属性与LinearRegression类中相同属性名称的含义基本相同

有关方法：

• path：计算弹性网络(elastic net)路径(弹性网络同时考虑L1和L2正则项，相关内容点击查看)
• 其余方法与LinearRegression类中相同方法名称的功能基本相同

使用案例

>>> import numpy as np
>>> from sklearn import linear_model

>>> #由于引入L1正则化(α=1.0)，回归方程变为：y = 2.5 --> 可以解决模型复杂引起的过拟合
>>> reg = linear_model.Ridge(alpha=1.0) #实例化Lasso回归模型对象
>>> X = np.array([[1], [2]]) #自变量矩阵
>>> y = np.array([2, 3]) #因变量向量
>>> reg.fit(X, y) #拟合求解
>>> reg.coef_
[0.,]
>>> reg.intercept_
2.5
>>> reg.n_features_in_
1
>>> reg.get_params()
{'alpha': 1.0, 'copy_X': True, 'fit_intercept': True, 'max_iter': 1000, 'normalize': 'deprecated', 
'positive': False, 'precompute': False, 'random_state': None, 'selection': 'cyclic', 'tol': 0.0001, 
'warm_start': False}
>>> reg.predict([[3], [4]])
[2.5, 2.5]
>>> reg.score(X, y)
0.0