拟合算法之最小二乘法

大家好，欢迎来到IT知识分享网。

拟合算法

与插值问题不同，在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是追求一个函数（曲线），使得该曲线在某种准测下与所有的数据点最为接近，即曲线拟合最好（最小化损失函数）。

最小二乘法

设这些样本点为(x_i,y_i),i=1,2,3,…,n
我们设置拟合的曲线为y=kx+b,求当k和b为何值时，样本点和拟合曲线最接近。
第一种定义：${\hat{y}}_i=k{x}_i+b$
$$\hat{k},\hat{b}=ar{g}_{k,b}min(\sum _{i=1}^n|y_i-{\hat{y}}_i|)$$
第二种定义：${\hat{y}}_i=k{x}_i+b$
$$\hat{k},\hat{b}=ar{g}_{k,b}min(\sum _{i=1}^n(y_i-{\hat{y}}_i{)}^2)$$
第一种定义有绝对值，不容易求导，因此计算比较复杂。所以我们往往使用第二种定义，这也是最小二乘的思想。

为什么不用四次方?
① 避免极端数据对拟合曲线的影响。
② 最小二乘法得到的结果和MLE极大似然估计一致。
③ 奇数次方误差会正负相抵。

设这些样本点为$(x_i,y_i),i=1,2,3...,n$
我们设置拟合的曲线为$y=kx+b$。令拟合值为：$${\hat{y}}_i=k{x}_i+b$$
那么我们就可以得到：
$$\hat{k},\hat{b}=ar{g}_{k,b}min(\sum _{i=1}^n(y_i-{\hat{y}}_i{)}^2)=ar{g}_{k,b}min(\sum _{i=1}^n(y_i-k{x}_i-b{)}^2)$$
令$L=\sum (y_i-k{x}_i-b{)}^2$，要实现找到$k,b$使得$L$最小。（$L$在机器学习中被称为损失函数，在回归中也常被称为残差平方和）
接下来使$L$对$k$和$b$进行求导：

$$\{\begin{array}{r}\frac{\partial L}{\partial k}=-2\sum _{i=1}^n{x}_i(y_i-k{x}_i-b)=0\\ \frac{\partial L}{\partial k}=-2\sum _{i=1}^n{x}_i(y_i-k{x}_i-b)=0\end{array}$$
得到：
$$\hat{k}=\frac{n\sum _{i=1}^n{x}_i{y}_i-\sum _{i=1}^n{y}_i\sum _{i=1}^n{x}_i}{n\sum _{i=1}^n{x}_i^2-\sum _{i=1}^n{x}_i\sum _{i=1}^n{x}_i}$$
$$\hat{b}=\frac{\sum _{i=1}^n{x}_i^2\sum _{i=1}^n{y}_i-\sum _{i=1}^n{x}_i\sum _{i=1}^n{x}_i{y}_i}{n\sum _{i=1}^n{x}_i^2-\sum _{i=1}^n{x}_i\sum _{i=1}^n{x}_i}$$
这里我们给出一组数据，使用matlab，来用最小二乘法拟合一下

clear;clc load data1 plot(x,y,'o') % 给x和y轴加上标签 xlabel('x的值') ylabel('y的值') 

得到散点图：
接下来利用公式得到k和b的值，并利用匿名函数画出拟合后的函数图像：

clear;clc load data1 %事先将x和y保存到data1中，也可以直接输入 plot(x,y,'o') % 给x和y轴加上标签 xlabel('x的值') ylabel('y的值') n = size(x,1); k = (n*sum(x.*y)-sum(x)*sum(y))/(n*sum(x.*x)-sum(x)*sum(x)) b = (sum(x.*x)*sum(y)-sum(x)*sum(x.*y))/(n*sum(x.*x)-sum(x)*sum(x)) hold on % 继续在之前的图形上来画图形 grid on % 显示网格线 % 匿名函数的基本用法。 % handle = @(arglist) anonymous_function % 其中handle为调用匿名函数时使用的名字。 % arglist为匿名函数的输入参数，可以是一个，也可以是多个，用逗号分隔。 % anonymous_function为匿名函数的表达式。 f=@(x) k*x+b; fplot(f,[2.5,7]); legend('样本数据','拟合函数','location','SouthEast') 

就可以得到我们最小二乘法拟合的图像了：

拟合好坏的评价：拟合优度

如何来评价拟合的程度，我们使用拟合优度（可决系数）$R^2$。首先我们引入几个定义：
$$总体平方和SST:SST=\sum _{i=1}^n(y_i-\bar{y}{)}^2$$
$$误差平方和SSE:SSE=\sum _{i=1}^n(y_i-{\hat{y}}_i{)}^2$$
$$回归平方和SSR:SSR=\sum _{i=1}^n({\hat{y}}_i-\bar{y}{)}^2$$
可以证明：$SST=SSE+SST$(用到我们求导得到的两个等式)
$$拟合优度：0\le R^2=\frac{SSR}{SST}=\frac{SST-SSE}{SST}=1-\frac{SSE}{SST}\le 1$$
$R^2$越接近1，说明误差平方和越接近0，误差越小说明拟合的越好。
（注：$R^2$只能用于拟合参数线性函数，拟合结果的评价）
线性函数和其他函数（例如指数函数）比较拟合的好坏，直接看$SSE$即可（越小越好），未来还可能遇到$R^2$是负数的情况。
使用matlab计算$R^2$:

y_hat = k*x+b; % y的拟合值 SSR = sum((y_hat-mean(y)).^2) % 回归平方和 SSE = sum((y_hat-y).^2) % 误差平方和 SST = sum((y-mean(y)).^2) % 总体平方和 SST-SSE-SSR % 5.6843e-14 = 5.6843*10^-14 matlab浮点数计算的一个误差,可以忽略不计，说明SST=SSE+SSR R_2 = SSR / SST 

注：mean是平均值
最小二乘法的拟合到这里就结束啦，喜欢的小伙伴可以点个关注，下一讲：使用matlab进行图像拟合。