【机器学习】线性回归（最小二乘法实现）

一、什么是线性回归

线性回归（或者叫做线性拟合）是最简单的拟合分析方法，概念很简单，先看张图：

通俗的说就是在一系列点中间画一条线，这条线能够代表所有点的特征（或者称之为，关系、发展趋势等等），，目的很明确就是对线性问题进行估计（预测），，当然线性问题也是最简单的规律。

注意：线性不一定是二维空间内的线性问题，可以是N维的

二、线性回归可以用最小二乘法来实现

原理简单的来说就是保证所有点都能到直线最近（x不变，将x带入拟合直线求得长度L1），引用知乎中的一张插图

其中红色线长度和最小，及最小二乘法所求的目的。

推到过程如下（参考原文）：（可略过）

1 写出拟合方程

y=a+bxy=a+bx

2 现有样本(x1,y1),(x2,y2)...(xn,yn)

3 设di为样本点到拟合线的距离，即误差
di=yi−(a+bxi)

4 设D为差方和（为什么要取平方前面已说，防止正负相互抵消）
D=∑i=1nd2i=∑i=1n(yi−a−bxi)

5 根据一阶导数等于0，二阶大于等于0（证明略）求出未知参数
对a求一阶偏导
∂D∂a=∑i=1n2(yi−a−bxi)(−1) =−2∑i=1n(yi−a−bxi)
=−2(∑i=1nyi−∑i=1na−b∑i=1nxi) =−2(ny¯−na−nbx¯)

对b求一阶偏导
∂D∂b=∑i=1n2(yi−a−bxi)(−xi) =−2∑i=1n(xiyi−axi−bx2i)
=−2(∑i=1nxiyi−a∑i=1nxi−b∑i=1nx2i) =−2(∑i=1nxiyi−nax¯−b∑i=1nx2i)

令偏导等于0得
−2(ny¯−na−nbx¯)=0
=>a=y¯−bx¯

−2(∑i=1nxiyi−nax¯−b∑i=1nx2i)=0并将a=y¯−bx¯带入化简得
=>∑i=1nxiyi−nx¯y¯+nbx¯2−b∑i=1nx2i=0
=>∑i=1nxiyi−nx¯y¯=b(∑i=1nx2i−nx¯2)
=>b=∑i=1nxiyi−nx¯y¯∑i=1nx2i−nx¯2

因为∑i=1n(xi−x¯)(yi−y¯)=∑i−1n(xiyi−x¯yi−xiy¯+x¯y¯)=∑i=1nxiyi−nx¯y¯−nx¯y¯+nx¯y¯
∑i=1n(xi−x¯)2=∑i−1n(x2i−2x¯xi+x¯2)=∑i=1nx2i−2nx¯2+nx¯2=∑i=1nx2i−nx¯2

所以将其带入上式得b=∑i=1n(xi−x¯)(yi−y¯)∑i=1n(xi−x¯)2

代码实现：

import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt

#生成模拟数据，进行测试

X = np.array(np.arange(100) ,dtype=np.float32)
Y = np.array(np.arange(100) ,dtype=np.float32)#此时X和Y其实是相等的，后面加入随机值，尽可能真实模拟实际情况
Y +=(np.random.random_sample(100) * 20)# *20指的是，上波动10
Y -=20 #下降20，，，y = x+b  -->  y = x - 10
print(Y[:20])#查看前20列


#最小二乘计算
def residuals(p):
    "计算以p为参数的直线和原始数据之间的误差"
    k,b = p
    return Y - (k*X + b)#这其实是 y=kx+b的变形，，y-kx+b = 0

r = optimize.leastsq(residuals,[1,0])#引用最小二成计算，
k,b = r[0]
print(k,b)


#图像展示
plt.figure(figsize=(6,6))
plt.plot(X,Y,'ro',label="point")

# 拟合直线
x = np.arange(0,100,0.1)
y = x*k+b
plt.plot(x,y,"b")
plt.show()