什么是回归？

1. 统计回归的任务，是根据自变量x₁,x₂...x_n以及应变量y的观测样本，去估计两者之间近似的函数关系f
2. 通常，我们假设函数f的数学形式是已知的，但其中的若干个参数是未知的。通过自变量和应变量的观测样本去估计未知的参数值，这种做法叫参数回归。如果函数f是线性函数，则称为线性回归
3. 自变量x只有一个时，称为一元线性回归，自变量有多个时，称为多元线性回归
4. 回归属于Supervised Learning，另一种重要的Supervised Learning是分类，两者的区别是回归用于预测连续的实数值，而分类则用于预测有限个离散值

线性回归

线性回归的hypothesis表示为：

J(θ)平面

梯度下降法

对上式直接求导来解，复杂度是很高的（O(n³)），所以我们可以使用梯度下降法（Gradient Descent）来求解。
梯度下降法的来源于负梯度是函数下降最快的方向这一思想，具体的方法如下：

1. 首先对θ赋值，这个值可以是随机的，但通常让θ是一个全零的向量。
2. 改变θ的值，使得J(θ)按梯度下降的方向进行减少。

梯度下降法在数学上可以表示为：
![][04]其中α表示学习速率（learning rate），它代表函数在负梯度方向每一次移动的步长。学习速率太大，会使最终结果无法达到最小值，而学习速率太小怎会导致迭代次数过多。我们可以通过观察算法迭代次数—minJ(θ)曲线，判断梯度下降的过程是否正常，如果随着迭代次数的增加，minJ(θ)逐渐减小，并在达到某个值后几乎不再减少，则梯度下降过程正常。如果minJ(θ)不断增大或时增时减，则算法最终可能会无法收敛于J(θ)的最小值处，最可能的原因是学习速率过大，需要减少α的值。
实际工作中，可以通过选取不同的α值，并观察算法迭代次数—minJ(θ)曲线曲线，来选取最好的学习速率。经验上来说，学习速率的候选值可以按{... , 0.01, 0.03, 0.1, 0.3, ... , 1, ...}这样大约3倍的递增来取。
梯度下降法不能保证得到全局最优解，只能得到局部最优解，这与参数的初始值有关。从两幅图中可以看到，最终的解与初始位置有密切的关系。

梯度下降过程

梯度下降法的思想可以做如下理解：当你在一座高山上的某一点准备下山时，为了能够最快的下山，你会选择最陡的方向走一步。到达新的位置后，重新选择一个最陡的方向再走一步。不断重复上述步骤，就可以以最快的速度下山。

对于线性回归问题，梯度下降的公式变为：
![][05]需要注意的是，参数θ₀,θ₁...θ₂在每一轮的迭代中是同步更新的。也就是说，在某一轮更新中，任意参数的更新值，不会参与其他参数的更新计算中。
同时，由于线性回归的loss function是一个凸函数，所以用梯度下降法可以得到唯一的全局最优解。

批量梯度下降

在批量梯度下降中，每一次参数更新都会遍历全部的训练数据{x₁, y₁}, {x₂, y₂}, ... , {x_m,y_m}对于线性回归问题，这种方法可以得到一个全局最优解，但是当样本数据量很大的时候，会非常耗时。

Feature scaling

器学习中的一个常用方法，它的主要作用是将不同feature的取值映射到同一个范围中，如(-1, 1)，(-0.3, 0.3)等，通常做法如下：![][06]
其中a为特征x_i的均值，b为特征x_i的最大值、最大值与最小值之差或标准差。
在batch gradient descent中，对feature做scaling，可以加速算法收敛，尤其是不同特征的取值范围相差很大的情况。
除此之外，feature scaling对学习算法精度也有一定的影响。当两个feature取值范围差距很大时，范围更大的feature可能会在模型中起更大的作用，但实际情况中两者的重要性可能是接近的，这就需要做feature scaling。

多项式回归

我们可以通过设计高阶特征在线性回归的基础上实现多项式回归。对于线性回归的hypothesis,![][07]令x₂=x₁², x₃=x₁³,实现了一个3次多项式的回归：![][08]这也是用线性模型实现非线性的常用方法。

[02]: http://latex.codecogs.com/png.latex?\J(\theta)=\frac{1}{2m}\sum_{i=1}^{{m}(h_{\theta}(x}{(i)})-y^{(i)})2
[03]: http://latex.codecogs.com/png.latex?\\theta^{*}=\arg\min_{\theta}J(\theta)
[05]: http://latex.codecogs.com/png.latex?\\theta_{j}:=\theta_{j}-\frac{\alpha}{m}\sum_{i=1}^{{m}(h_\theta(x}{(i)})-y^{(i)})x_j{(i)}
[04]: http://latex.codecogs.com/png.latex?\\theta_{j}:=\theta_{j}-\alpha\frac{\partial{J(\theta)}}{\partial\theta}
[06]: http://latex.codecogs.com/png.latex?\x'{i}=\frac{x{i}-a}{b}
[07]: http://latex.codecogs.com/png.latex?\h_{\theta}(x)=\theta_{0}+\theta_{1}x_{1}+\theta_{2}x_{2}+\theta_{3}x_{3}
[08]: http://latex.codecogs.com/png.latex?\h_{\theta}(x)=\theta_{0}+\theta_{1}x_{1}+\theta_{2}x_{1}^{2+\theta_{3}x_{1}}3