吴恩达机器学习COURSE1 WEEK2

news2024/12/28 4:17:32

COURSE1 WEEK2

多维特征

在线性回归中，往往特征不止一个，而是具有多维特征

例如，在预测房价的例子中，我们知道更多的信息：

$x_1$ ：房屋的面积

$x_2$ ：卧室的数目

$x_3$ ：楼层数目

$x_4$ ：房屋的年限

因此，我们每一个特征 $x^{(i)}$ 的表示变成了向量形式， $x^{(i)}_j$ 表示具体的某的特征（ i 行 j 列）

从而，我们的线性模型公式转化为：
$f_{w,b}(x) = w_1x_1 + w_2x_2 + w_3x_3 + w_4x_4 + b$
其中， $w_i$ 可以理解为第 $i$ 个特征对目标的贡献程度

进而，推广到更一般的形式：
$f_{w,b}(x) = w_1x_1 + w_2x_2 + \dots + w_nx_n + b$
将所有的参数 $w_i$ 组合在一起，形成向量 $\vec {w} = [w_1, w_2, \dots, w_n]$ ，将所有的特征 $x_i$ 组合在一起，形成一个向量 $\vec{x} = [\boldsymbol x_1, \boldsymbol x_2, \dots, \boldsymbol x_n]$

从而，将模型形式可以写为：
$f_{\vec w, b}(\vec x) = \vec w \cdot \vec x + b$
其中， $\cdot$ 代表点乘

这种具有多个特征的线性回归模型叫做多元线性回归

向量化

在多元线性回归中，使用向量化的方法，可以使得代码的编写更加简洁，实现更加快速

如果不使用向量化，在代码的编写中，我们需要计算以下结果：
$f_{\vec w, b}(\vec x) = \sum _{j=1}^{n}w_jx_j + b$
当 $n$ 较大时，需要较大的计算量，实现较为复杂

f = 0
for j in range(n):
    f = f + w[j] * x[j]
f = f + b

所谓向量化，就是把数据都看作向量，在每一步的计算中使用向量的计算。例如多元线性回归模型，将 $w$ 和特征 $x$ 进行点乘计算

f = np.dot(w, x) + b

向量化的好处：

使得代码更加简洁
运算速度更快

多元线性回归的梯度下降

与单变量线性回归的梯度下降相似，唯一不同的是，此时要把参数 $w$ 当作是一个向量 $\vec w$ ，因此得到参数更新的公式：
$w_j = w_j - \alpha \frac{\partial}{\partial w_j}J(\vec w, b) \\ b = b - \alpha \frac{\partial}{\partial b}J(\vec w, b)$
在这里插入图片描述

正规方程

正规方程即最小二乘法。

由于我们要求解损失函数最小的时候对应的参数值，所以不妨将损失函数看作是参数的函数，然后对损失函数求一阶导函数，令一阶导函数等于 0，求解其极小值点，就对应着最优的参数

特点：

仅适用于线性回归
解决最小化参数问题（同梯度下降算法），但是不需要迭代
当特征较多时（ > 10000），运行速度较慢

只要特征变量的数目并不大，标准方程是一个很好的计算参数的替代方法。具体地说，只要特征变量数量小于一万，通常使用标准方程法，而不使用梯度下降法。

特征缩放

使用特征缩放的方法，能够使得梯度下降算法的运行速度得到提升

所谓特征缩放，就是在进行模型训练之前，对数据进行归一化操作

例如，以房价预测为例，特征又房屋面积 $x_1$ 和卧室数量 $x_2$ ，因此：
$\hat {price} = w_1x_1 + x_2x_2 + b$
其中， $x_1 \in [300,2000]，x_2 \in [0, 5]$

数据集：

$x_1 = 2000, x_2 = 5, price = $500K$

由此可以看出，我们的参数 $w_1$ 应该较小， $w_2$ 应该较大

即，对于一个好的模型来说：

当特征的可能指较小时，其参数的合理值将相对较大
当特征的可能指较大时，其参数的合理值将相对较小

当每个特征的取值范围相差较大时，特征关系与损失函数图像如下：
在这里插入图片描述

如右侧的损失函数梯度图，当我们使用梯度下降算法时，如果学习率设置不当，算法会来回左右横跳动，经过很长一段时间才会收敛到最优值

在这里插入图片描述

当我们使用特征缩放时，即将 $x_1$ 和 $x_2$ 进行重新标度，归一化到区间 $[0, 1]$ 内，保证了两个特征拥有一个可比较的范围，从而使得损失函数梯度图更像一个圆形，便于算法能够快速收敛到最优点
在这里插入图片描述

特征缩放方法

特征缩放的目的是将一列数据变化到某个固定区间(范围)中

均值归一化

将数据归一化到区间 $[- 1, 1]$ 内
$\frac{x - \mu}{x_{max} - x_{min}}$
其中， $\mu$ 是数据 $x$ 的均值
在这里插入图片描述

Z-score 归一化

即，将数据转化为均值为0，标准差为1的分布
$\frac{x - \mu}{\sigma }$
其中， $\mu$ 是数据的均值， $\sigma$ 是标准差
在这里插入图片描述

特征缩放的好坏，具体取决于所有特征进行特征缩放后的取值范围是否尽量一致，以保证梯度下降算法的有效进行

梯度下降法则

如何判断梯度下降是否收敛

一般而言，在模型训练阶段，随着迭代次数的进行，损失值如下图所示：
在这里插入图片描述

可以看到的是，当迭代次数大于300时，曲线接近平行，下降的趋势非常平缓，此时意味着我们的梯度下降开始收敛了

通常，可以使用 epsilon法进行自动收敛测试，即设置收敛阈值 $\varepsilon = 0.001$ ，当损失值下降幅度小于阈值时，即认为算法开始收敛，但从实际来看，要想确定一个正确的阈值是非常困难的

如何设置学习率

如果学习率设置过大，则最终结果不容易收敛

如果学习率设置太小，则会导致算法运行较长时间
通过绘制损失函数与迭代次数关系的图像，如果损失函数出现时而下降，时而上升，即不是一直下降的趋势，那么则表明学习率的设置可能较大（也可能是代码存在错误

因此，在实际工作中，一般会选择一系列的值不断去尝试，且在尝试的过程中，只对模型的部分数据进行有限的迭代次数，通过对比来选择最优的学习率

多项式回归

特征工程

在实际问题中，使用的模型往往比较复杂，因此有时需要利用特征工程的方法来对模型加入一些重要的特征

例如，在预测房价时，目前存在临街长度 $x_1$ 和深度 $x_2$ ，因此房价预测模型为：
$f_{\vec w, b}(\vec x) = w_1x_1 + w_2x_2 + b$
在这里插入图片描述

但是在实际中，根据生活经验，使用房屋面积作为单特征可能会更好的帮助我们进行预测，因此引入第三个变量房屋面积 $x_3$ ，且 $x_3 = x_1x_2$ ，从而我们的模型转化为：
$f_{\vec w, b}(\vec x) = w_1x_1 + w_2x_2 +w_3x_3 + b$
这种方法叫做创建新特征