4 多变量线性回归(Linear Regression with Multiple Variables)

4 多变量线性回归(Linear Regression with Multiple Variables) 4.1 多特征(Multiple Features) 4.2 多变量梯度下降(Gradient Descent for Multiple Variables) 4.3 梯度下降实践1-特征值缩放(Gradient Descent in Practice I - Feature Scaling) 4.4 梯度下降实践2-学习速率(Gradient Descent in Practice II - Learning Rate) 4.5 特征和多项式回归(Features and Polynomial Regression) 4.6 正规方程(Normal Equation) 4.7 不可逆性正规方程(Normal Equation Noninvertibility) 5 Octave/Matlab Tutorial 5.1 Basic Operations 5.2 Moving Data Around 5.3 Computing on Data 5.4 Plotting Data 5.5 Control Statements: for, while, if statement 5.6 向量化(Vectorization) 5.x 常用函数整理

4 多变量线性回归(Linear Regression with Multiple Variables)

4.1 多特征(Multiple Features)

对于一个要度量的对象，一般来说会有不同维度的多个特征。比如之前的房屋价格预测例子中，除了房屋的面积大小，可能还有房屋的年限、房屋的层数等等其他特征：

这里由于特征不再只有一个，引入一些新的记号

n: 特征的总数

xi: 代表样本矩阵中第 i 行，也就是第 i 个训练实例。

xji: 代表样本矩阵中第 i 行的第 j 列，也就是第 i 个训练实例的第 j 个特征。

参照上图，则有 x(2)=1416 3 2 40,x1(2)=1416

多变量假设函数 h 表示为：hθx=θ0+θ1x1+θ2x2+...+θnxn

可展开为：

$\begin{aligned} & \text{repeat until convergence:} \; \lbrace \newline \; & \theta_0 := \theta_0 - \alpha \frac{1}{m} \sum\limits_{i=1}^{m} (h_\theta(x^{(i)}) - y^{(i)}) \cdot x_0^{(i)}\newline \; & \theta_1 := \theta_1 - \alpha \frac{1}{m} \sum\limits_{i=1}^{m} (h_\theta(x^{(i)}) - y^{(i)}) \cdot x_1^{(i)} \newline \; & \theta_2 := \theta_2 - \alpha \frac{1}{m} \sum\limits_{i=1}^{m} (h_\theta(x^{(i)}) - y^{(i)}) \cdot x_2^{(i)} \newline & \vdots \newline \; & \theta_n := \theta_n - \alpha \frac{1}{m} \sum\limits_{i=1}^{m} (h_\theta(x^{(i)}) - y^{(i)}) \cdot x_n^{(i)} &\newline \rbrace \end{aligned}$

当然，同单变量梯度下降一样，计算时需要同时更新所有参数。

hθx=θTx，则得到同时更新参数的向量化(Vectorization)实现：

θ=θ−α1m(XT(Xθ−y))  (undefined)

X: 训练集数据，m×(n+1) 维矩阵（包含基本特征 x0=1）

4.3 梯度下降实践1-特征值缩放(Gradient Descent in Practice I - Feature Scaling)

在应用梯度下降算法实践时，由于各特征值的范围不一，可能会影响代价函数收敛速度。

以房价预测问题为例，这里选取房屋面积大小和房间数量这两个特征。

下图中，左图是以原始数据绘制的代价函数轮廓图，右图为采用特征缩放（都除以最大值）后图像。左图中呈现的图像较扁，相对于使用特征缩放方法的右图，梯度下降算法需要更多次的迭代。

为了优化梯度下降的收敛速度，采用特征缩放的技巧，使各特征值的范围尽量一致。

除了以上图人工选择并除以一个参数的方式，均值归一化(Mean normalization)方法更为便捷，可采用它来对所有特征值统一缩放：

xi:=xi−average(x)maximum(x)−minimum(x),使得 xi∈(−1,1)

对于特征的范围，并不一定需要使得 −1≤x≤1，类似于 1≤x≤3 等也是可取的，而诸如 −100≤x≤100，−0.00001≤x≤0.00001，就显得过大/过小了。

另外注意，一旦采用特征缩放，我们就需对所有的输入采用特征缩放，包括训练集、测试集、预测输入等。

4.4 梯度下降实践2-学习速率(Gradient Descent in Practice II - Learning Rate)

通常，有两种方法来确定函数是否收敛

•多次迭代收敛法

–无法确定需要多少次迭代

–较易绘制关于迭代次数的图像

–根据图像易预测所需的迭代次数

•自动化测试收敛法（比较阈值）

–不易选取阈值

–代价函数近乎直线时无法确定收敛情况

对于梯度下降，一般采用多次迭代收敛法来得出最小化代价函数的参数值，自动化测试收敛法（如设定 Jθ<10−3 时判定收敛）则几乎不会被使用。

当然，同单变量梯度下降一样，计算时需要同时更新所有参数。

hθx=θTx，则得到同时更新参数的向量化(Vectorization)实现：

θ=θ−α1m(XT(Xθ−y))  (undefined)

X: 训练集数据，m×(n+1) 维矩阵（包含基本特征 x0=1）

4.3 梯度下降实践1-特征值缩放(Gradient Descent in Practice I - Feature Scaling)

在应用梯度下降算法实践时，由于各特征值的范围不一，可能会影响代价函数收敛速度。

以房价预测问题为例，这里选取房屋面积大小和房间数量这两个特征。

下图中，左图是以原始数据绘制的代价函数轮廓图，右图为采用特征缩放（都除以最大值）后图像。左图中呈现的图像较扁，相对于使用特征缩放方法的右图，梯度下降算法需要更多次的迭代。

为了优化梯度下降的收敛速度，采用特征缩放的技巧，使各特征值的范围尽量一致。

除了以上图人工选择并除以一个参数的方式，均值归一化(Mean normalization)方法更为便捷，可采用它来对所有特征值统一缩放：

xi:=xi−average(x)maximum(x)−minimum(x),使得 xi∈(−1,1)

对于特征的范围，并不一定需要使得 −1≤x≤1，类似于 1≤x≤3 等也是可取的，而诸如 −100≤x≤100，−0.00001≤x≤0.00001，就显得过大/过小了。

另外注意，一旦采用特征缩放，我们就需对所有的输入采用特征缩放，包括训练集、测试集、预测输入等。

4.4 梯度下降实践2-学习速率(Gradient Descent in Practice II - Learning Rate)

通常，有两种方法来确定函数是否收敛

•多次迭代收敛法

–无法确定需要多少次迭代

–较易绘制关于迭代次数的图像

–根据图像易预测所需的迭代次数

•自动化测试收敛法（比较阈值）

–不易选取阈值

–代价函数近乎直线时无法确定收敛情况

对于梯度下降，一般采用多次迭代收敛法来得出最小化代价函数的参数值，自动化测试收敛法（如设定 Jθ<10−3 时判定收敛）则几乎不会被使用。

我们可以通过绘制代价函数关于迭代次数的图像，可视化梯度下降的执行过程，借助直观的图形来发现代价函数趋向于多少时能趋于收敛，依据图像变化情况，确定诸如学习速率的取值，迭代次数的大小等问题。

对于学习速率 α，一般上图展现的为适中情况，下图中，左图可能表明 α 过大，代价函数无法收敛，右图可能表明 α 过小，代价函数收敛的太慢。当然，α 足够小时，代价函数在每轮迭代后一定会减少。

通过不断改变 α 值，绘制并观察图像，并以此来确定合适的学习速率。 尝试时可取 α 如 … 0,001, 0.003, 0.01, 0.03, 0.1, …

4.5 特征和多项式回归(Features and Polynomial Regression)

在特征选取时，我们也可以自己归纳总结，定义一个新的特征，用来取代或拆分旧的一个或多个特征。比如，对于房屋面积特征来说，我们可以将其拆分为长度和宽度两个特征，反之，我们也可以合并长度和宽度这两个特征为面积这一个特征。

线性回归只能以直线来对数据进行拟合，有时候需要使用曲线来对数据进行拟合，即多项式回归(Polynomial Regression)。

比如一个二次方模型：hθx=θ0+θ1x1+θ2x22

或者三次方模型：hθx=θ0+θ1x1+θ2x22+θ3x33

或者平方根模型： hθx=θ0+θ1x1+θ2x22+θ3x3

在使用多项式回归时，要记住非常有必要进行特征缩放，比如 x1 的范围为 1-1000，那么 x12 的范围则为 1- 1000000，不适用特征缩放的话，范围更有不一致，也更易影响效率。

4.6 正规方程(Normal Equation)

对于一些线性回归问题来说，正规方程法给出了一个更好的解决问题的方式。

正规方程法，即令 ∂∂θjJθj=0 ，通过解析函数的方式直接计算得出参数向量的值 θ=XTX−1XTy ，Octave/Matlab 代码： theta = inv(X'*X)*X'*y。

X−1: 矩阵 X 的逆，在 Octave 中，inv 函数用于计算矩阵的逆，类似的还有 pinv 函数。

X': 在 Octave 中表示矩阵 X 的转置，即 XT

下表列出了正规方程法与梯度下降算法的对比

正规方程法的推导过程：

$\begin{aligned} & J\left( \theta \right)=\frac{1}{2m}\sum\limits_{i=1}^{m}{{{\left( {h_{\theta}}\left( {x^{(i)}} \right)-{y^{(i)}} \right)}^{2}}}\newline \; & =\frac{1}{2m}||X\theta-y||^2 \newline \; & =\frac{1}{2m}(X\theta-y)^T(X\theta-y) &\newline \end{aligned}$

展开上式可得

J(θ)=12mθTXTXθ−θTXTy−yTXθ+yTy

注意到 θTXTy 与 yTXθ 都为标量，实际上是等价的，则

J(θ)=12m[XTXθ−2θTXTy+yTy]

接下来对J(θ) 求偏导，根据矩阵的求导法则:

dXTAXdX=(A+AT)X

dXTAdX=A

所以有:

∂Jθ∂θ=12m2XTXθ−2XTy=XTXθ−XTy

令∂Jθ∂θ=0, 则有

θ=XTX−1XTy  (undefined)

4.7 不可逆性正规方程(Normal Equation Noninvertibility)

（本部分内容为选讲）

正规方程无法应用于不可逆的矩阵，发生这种问题的概率很小，通常由于

•特征之间线性相关

比如同时包含英寸的尺寸和米为单位的尺寸两个特征，它们是线性相关的

即 x1=x2*3.282。

•特征数量大于训练集的数量m≤n。

如果发现 XTX 的结果不可逆，可尝试：

•减少多余/重复特征

•增加训练集数量

•使用正则化（后文）

对于这类不可逆的矩阵，我们称之为奇异矩阵或退化矩阵。

这种情况下，如果还想使用正规方程法，在Octave中，可以选用 pinv 函数，pinv 区别于 inv，pinv 函数被称为伪逆函数，在矩阵不可逆的时候，使用这个函数仍可正确地计算出 θ 的值。

5 Octave/Matlab Tutorial

复习时可直接倍速回顾视频，笔记整理暂留。

5.1 Basic Operations

5.2 Moving Data Around

5.3 Computing on Data

5.4 Plotting Data

5.5 Control Statements: for, while, if statement

5.6 向量化(Vectorization)

j=0nθjxj=θTx

5.x 常用函数整理