最小二乘（Least Squares）

已经很久没有写博客了，今天决定写一篇关于最小二乘的博客，发表下自己的理解，有不足或错误之处，欢迎大家指正。

最小二乘，又被叫做最小乘方or最小平方，它是一种优化技术。当给你一堆数据点，你可以想象成初中数学课堂上学习解析几何的时候，在坐标轴上给出一些点（通常这些点连起来是一条直线），然后要求算出这条直线的解析式（也就是拟合这些数据点），或计算斜率（可以理解成回归系数），然后要你算出当x等于多少时y的值之类的。我们在利用坐标轴上的点进行计算解析式的时候，其实就是找到最佳斜率（回归系数）来对这些数据点进行拟合了。

现在回到最小二乘上来，最小二乘，就是用来找到最佳的回归系数的方法。在过去的30年中，线性模型一直是统计学的主要支柱，并且现在仍然是最重要的工具之一。给定一个输入向量X=(X 1 ,X 2 ,⋯,X p )  ，可以通过下面的模型来预测输出Y  :

Y ^ =β ^  0 +∑ j=1 p X j β ^  j  

项β ^  0   是截距，在机器学习中也称偏置（bias）。通常我们将X 0   设为 1，与偏置相乘，这样，上面向量形式的线性模型可以写成内积的形式：

Y ^ =X T β ^  

可以发现，上面的公式中Y 和β  上面有个尖尖的帽子样的符号，这表示一个最佳估计，与真实的Y  和β  区分开。

现在我们需要找到这样的最佳β  来对Y  进行预测，我们要找到使误差和，也就是∑ N i=1 (y i −x T i β)  最小的β  ,如果将各个误差累加的话，正负误差会抵消，那就起不到效果，找不到最佳回归系数，所以将每个误差值先平方，再求和，这样就不存在误差抵消的情况，这就叫做最小二乘：

RSS(β)=∑ i=1 N (y i −x T i β) 2  

很容易发现这是一个关于β  的二次函数，所以极小值总是存在，但可能不唯一，我们把上式写成矩阵的形式：

RSS(β)=(y−Xβ) T (y−Xβ) 

现在来回顾下高中的知识，当要求二次函数的极值时，我们的做法通常是对其求导，令其等于0（因为导数为0的点，其切线的斜率为0，而这样的点就是极值点），这样就能求的极值点，现在我们对上式中的β  求微分（用用高等数学术语吧:)）, 因为我们要求的最小的β  来最小化误差，这样我们得到了标准方程：

X T (y−Xβ)=0 

如果X T X  是非奇异的，也就是它们是满秩矩阵，其行列式不等于0（参考大学课程线性代数）。那么我们可以得到β  的一个最佳估计：

β ^ =(X T X) −1 y 

这样，我们就计算出了回归系数（可以理解为一次函数的斜率）了， 有了回归系数，我们就确定了预测Y  的方程Y ^ =X T β ^   ,这个方程叫做回归方程，而使用最小二乘计算回归系数的过程就叫做回归。