Цель статьи — оказание поддержки начинающим датасайнтистам. В мы на пальцах разобрали три способа решения уравнения линейной регрессии: аналитическое решение, градиентный спуск, стохастический градиентный спуск. Тогда для аналитического решения мы применили формулу . В этой статье, как следует из заголовка, мы обоснуем применение данной формулы или другими словами, самостоятельно ее выведем.
Почему имеет смысл уделить повышенное внимание к формуле ?
Именно с матричного уравнения в большинстве случаев начинается знакомство с линейной регрессией. При этом, подробные выкладки того, как формула была выведена, встречаются редко.
Например, на курсах по машинному обучению от Яндекса, когда слушателей знакомят с регуляризацией, то предлагают воспользоваться функциями из библиотеки sklearn, при этом ни слова не упоминается о матричном представлении алгоритма. Именно в этот момент у некоторых слушателей может появится желание разобраться в этом вопросе подробнее — написать код без использования готовых функций. А для этого, надо сначала представить уравнение с регуляризатором в матричном виде. Данная статья, как раз, позволит желающим овладеть такими умениями. Приступим.
Исходные условия
Целевые показатели
У нас имеется ряд значений целевого показателя. Например, целевым показателем может быть цена на какой-либо актив: нефть, золото, пшеница, доллар и т.д. При этом, под рядом значений целевого показателя мы понимаем количество наблюдений. Такими наблюдениями могут быть, например, ежемесячные цены на нефть за год, то есть у нас будет 12 значений целевого показателя. Начнем вводить обозначения. Обозначим каждое значение целевого показателя как . Всего мы имеем наблюдений, а значит можно представить наши наблюдения как .
Регрессоры
Будем считать, что существуют факторы, которые в определенной степени объясняют значения целевого показателя. Например, на курс пары доллар/рубль сильное влияние оказывает цена на нефть, ставка ФРС и др. Такие факторы называются регрессорами. При этом, каждому значению целевого показателя должно соответствовать значение регрессора, то есть, если у нас имеется 12 целевых показателей за каждый месяц в 2018 году, то и значений регрессоров у нас тоже должно быть 12 за тот же период. Обозначим значения каждого регрессора через . Пусть в нашем случае имеется регрессоров (т.е. факторов, которые оказывают влияние на значения целевого показателя). Значит наши регрессоры можно представить следующим образом: для 1-го регрессора (например, цена на нефть): , для 2-го регрессора (например, ставка ФРС): , для «-го» регрессора:
Зависимость целевых показателей от регрессоров
Предположим, что зависимость целевого показателя от регрессоров «-го» наблюдения может быть выражена через уравнение линейной регрессии вида:
ບ່ອນທີ່ - "-ое» значение регрессора от 1 до ,
— количество регрессоров от 1 до
— угловые коэффициенты, которые представляют величину, на которую изменится расчетный целевой показатель в среднем при изменении регрессора.
Другими словами, мы для каждого (за исключением ) регрессора определяем «свой» коэффициент , затем перемножаем коэффициенты на значения регрессоров «-го» наблюдения, в результате получаем некое приближение «-го» целевого показателя.
Следовательно, нам нужно подобрать такие коэффициенты , при которых значения нашей апроксимирующей функции будут расположены максимально близко к значениям целевых показателей.
Оценка качества апроксиммирующей функции
Будем определять оценку качества апроксимирующей функции методом наименьших квадратов. Функция оценки качества в таком случае примет следующий вид:
Нам требуется подобрать такие значения коэффициентов $w$, при которых значение будет наименьшим.
Переводим уравнение в матричный вид
Векторное представление
Для начала, чтобы облегчить себе жизнь, следует обратить внимание на уравнение линейной регрессии и заметить, что первый коэффициент не умножается ни на один регрессор. При этом, когда мы переведем данные в матричный вид, вышеобозначенное обстоятельство будет серьезно осложнять расчеты. В этой связи предлагается ввести еще один регрессор для первого коэффициента и приравнять его единице. Вернее, каждое «-ое» значение этого регрессора приравнять единице — ведь при умножении на единицу у нас с точки зрения результата вычислений ничего не изменится, а с точки зрения правил произведения матриц, существенно сократятся наши мучения.
Теперь, на некоторое время, с целью упрощения материала, предположим, что у нас только одно «-ое» наблюдение. Тогда, представим значения регрессоров «-ого» наблюдения в качестве вектора . Вектор имеет размерность , ວ່າແມ່ນ строк и 1 столбец:
Искомые коэффициенты представим в виде вектора , имеющего размерность :
Уравнение линейной регрессии для «-го» наблюдения примет вид:
Функция оценки качества линейной модели примет вид:
Обратим внимание, что в соответствии с правилами умножения матриц, нам потребовалось транспонировать вектор .
Матричное представление
В результате умножения векторов, мы получим число: , что и следовало ожидать. Это число и есть приближение «-го» целевого показателя. Но нам-то нужно приближение не одного значения целевого показателя, а всех. Для этого запишем все «-ые» регрессоры в формате матрицы . Полученная матрица имеет размерность :
Теперь уравнение линейной регрессии примет вид:
Обозначим значения целевых показателей (все ) за вектор размерностью :
Теперь мы можем записать в матричном формате уравнение оценки качества линейной модели:
Собственно, из этой формулы далее получают известную нам формулу
Как это делается? Раскрываются скобки, проводится дифференцирование, преобразуются полученные выражения и т.д., и именно этим мы сейчас и займемся.
Матричные преобразования
Раскроем скобки
Подготовим уравнение для дифференцирования
Для этого проведем некоторые преобразования. В последующих расчетах нам будет удобнее, если вектор будет представлен в начале каждого произведения в уравнении.
Преобразование 1
Как это получилось? Для ответа на этот вопрос достаточно посмотреть на размеры умножаемых матриц и увидеть, что на выходе мы получаем число или иначе .
Запишем размеры матричных выражений.
Преобразование 2
Распишем аналогично преобразованию 1
На выходе получаем уравнение, которое нам предстоит продифференцировать:
Дифференцируем функцию оценки качества модели
Продифференцируем по вектору :
Вопросов почему быть не должно, а вот операции по определению производных в двух других выражениях мы разберем подробнее.
Дифференцирование 1
Раскроем дифференцирование:
Для того, чтобы определить производную от матрицы или вектора требуется посмотреть, что у них там внутри. Смотрим:
Обозначим произведение матриц через матрицу . Матрица квадратная и более того, она симметричная. Эти свойства нам пригодятся далее, запомним их. Матрица имеет размерность :
Теперь наша задача правильно перемножить вектора на матрицу и не получить «дважды два пять», поэтому сосредоточимся и будем предельно внимательны.
Однако, замысловатое выражение у нас получилось! На самом деле мы получили число — скаляр. И теперь, уже по-настоящему, переходим к дифференцированию. Необходимо найти производную полученного выражения по каждому коэффициенту и получить на выходе вектор размерности . На всякий случай распишу процедуры по действиям:
1) продифференцируем по , получим:
2) продифференцируем по , получим:
3) продифференцируем по , получим:
На выходе — обещанный вектор размером :
Если присмотреться к вектору повнимательнее, то можно заметить, что левые и соответствующие правые элементы вектора можно сгруппировать таким образом, что в итоге из представленного вектора можно выделить вектор ຂະ ໜາດ . ຕົວຢ່າງ (левый элемент верхней строчки вектора) (правый элемент верхней строчки вектора) можно представить как ແລະ — как и т.д. по каждой строчке. Сгруппируем:
Вынесем вектор и на выходе получим:
Теперь, присмотримся к получившейся матрице. Матрица представляет собой сумму двух матриц :
Вспомним, что несколько ранее, мы отметили одно важное свойство матрицы — она симметричная. Исходя из этого свойства, мы можем с уверенностью заявить, что выражение равняется . Это легко проверить, раскрыв поэлементно произведение матриц . Мы не будем делать этого здесь, желающие могут провести проверку самостоятельно.
Вернемся к нашему выражению. После наших преобразований оно получилось таким, каким мы и хотели его увидеть:
Итак, с первым дифференцированием мы справились. Переходим ко второму выражению.
Дифференцирование 2
Пойдем по протоптанной дорожке. Она будет намного короче предыдущей, так что не уходите далеко от экрана.
Раскроем поэлементно вектора и матрицу:
На время уберем из расчетов двойку — она большой роли не играет, потом вернем ее на место. Перемножим вектора на матрицу. В первую очередь умножим матрицу на вектор , здесь у нас нет никаких ограничений. Получим вектор размера :
Выполним следующее действие — умножим вектор на полученный вектор. На выходе нас будет ждать число:
Его то мы и продифференцируем. На выходе получим вектор размерности :
Что-то напоминает? Все верно! Это произведение матрицы на вектор .
Таким образом, второе дифференцирование успешно завершено.
ແທນທີ່ຈະເປັນການສະຫລຸບໄດ້
Теперь мы знаем, как получилось равенство .
Напоследок опишем быстрый путь преобразований основных формул.
Оценим качество модели в соответствии с методом наименьших квадратов:
Дифференцируем полученное выражение:
Literature
Интернет источники:
1)
2)
3)
4)
Учебники, сборники задач:
1) Конспект лекций по высшей математике: полный курс / Д.Т. Письменный – 4-е изд. – М.: Айрис-пресс, 2006
2) Applied regression analysis / N. Draper, G. Smith - 2nd ed. – M.: ການເງິນ ແລະສະຖິຕິ, 1986 (ແປຈາກພາສາອັງກິດ)
3) Задачи на решение матричных уравнений:
ແຫຼ່ງຂໍ້ມູນ: www.habr.com