作者：陈浩然，北京大学大二在读，专业智能科学。想了解她的更多文章，请访问：
博客：https://braverychr.github.io/
知乎专栏：https://zhuanlan.zhihu.com/MLstudy
1线性模型
在上一篇请参考：机器学习的概念、历史和未来
我们说到，机器学习中主要的两个任务就是回归和分类。如果读者有高中数学基础，我们很容易回忆到我们高中学习过的一种回归方法——线性回归。我们将这种方法泛化，就可以得到机器学习中的一种常见模型——线性模型，线性模型是监督学习的一种。
我们已经说过，我们要从数据集中训练出模型，每个数据可以视为（属性，标签）二元组。其中属性可以为属性向量。
假设给定具有n个属性的属性向量的数据
, 我们利用属性的线性组合来进行预测，即
可以表达为：
其中
，w 和 b 就是该模型中我们要求的参数，确定 w 和 b，该模型就得以确定。
我们将这样的模型称为线性模型，不得不提的是，线性模型并不是只能进行线性分类，它具有很强的泛化能力，我们后面会提到。
2属性转换
在进行建模之前，我们要先对数据集进行处理，使得其适合进行建模。我们注意到，在线性模型中，属性值都是实数，那么会出现以下两种需要进行转化的情况：
- 属性离散，但是有序关系（可以比较）。例如身材的过轻，正常，肥胖，过于肥胖，可以被编码为 -1,0,1,2，从而转化为实数进行处理。
- 属性离散，但是无序关系（不可比较）。例如国籍的中国人，美国人，日本人。我们可以将取值有 k 种的值转化为 k 维向量，如上例，可以编码为 (1,0,0),(0,1,0), (0,0,1), (1,0,0), (0,1,0), (0,0,1)。
3单变量线性回归
如果
中 n = 1，此时 x 为一个实数，线性回归模型就退化为单变量线性回归。我们将模型记为：
其中 w, x, b 都是实数，相信这个模型大家在高中都学习过。在这里我们有两种方法求解这个模型，分别是最小二乘法和梯度下降法。
我们先定义符号，xi 代表第 i 个数据的属性值，yi 是第 i 个数据的标签值（即真值），f 是我们学习到的模型，f(xi)即我们对第 i 个数据的预测值。
我们的目标是，求得适当的 w 和 b，使得 S 最小，其中 S 是预测值和真值的差距平方和，亦称为代价函数
其中的 1/n 只是将代价函数值归一化的系数。，当然代价函数还有很多其他的形式。
4最小二乘法
最小二乘法不是我们在这里要讨论的重点，但也是在很多地方会使用到的重要方法。最小二乘法使用参数估计，将 S 看做一个关于 w 和 b 的函数，分别对 w 和 b 求偏导数，使得偏导数为0，由微积分知识知道，在此处可以取得 S 的最小值。由这两个方程即可求得 w 和 b 的值。
求得
其中y¯，x¯分别是 y 和 x 的均值
5梯度下降
我们刚刚利用了方程的方法求得了单变量线性回归的模型。但是对于几百万，上亿的数据，这种方法太慢了，这时，我们可以使用凸优化中最常见的方法之一——梯度下降法，来更加迅速的求得使得 S 最小的 w 和 b 的值。
S可以看做 w 和 b 的函数 S(w，b)，这是一个双变量的函数，我们用 matlab 画出他的函数图像，可以看出这是一个明显的凸函数。
梯度下降法的相当于我们下山的过程，每次我们要走一步下山，寻找最低的地方，那么最可靠的方法便是环顾四周，寻找能一步到达的最低点，持续该过程，最后得到的便是最低点。
对于函数而言，便是求得该函数对所有参数（变量）的偏导，每次更新这些参数，直到到达最低点为止，注意这些参数必须在每一轮一起更新，而不是一个一个更新。 过程如下：
其中 a 为学习率，是一个实数。整个过程形象表示便是如下图所示，一步一步走，最后达到最低点。
需要说明以下几点：
- a为学习率，学习率决定了学习的速度。
- 如果a过小，那么学习的时间就会很长，导致算法的低效，不如直接使用最小二乘法。
- 如果a过大，那么由于每一步更新过大，可能无法收敛到最低点。由于越偏离最低点函数的导数越大，如果a过大，某一次更新直接跨越了最低点，来到了比更新之前更高的地方。那么下一步更新步会更大，如此反复震荡，离最佳点越来越远。以上两种情况如下图所示:
- 我们的算法不一定能达到最优解。如上图爬山模型可知，如果我们初始位置发生变化，那么可能会到达不同的极小值点。但是由于线性回归模型中的函数都是凸函数,所以利用梯度下降法，是可以找到全局最优解的，在这里不详细阐述。
