1.2 概率理解

在本节，我们主要想解决的问题是为什么使用线性回归，以及为什么定义一个最小二乘代价函数 $J$ 这两个问题。我们主要的探讨思路是给出一系列的概率假设，然后试图推导出这种做法的合理性。

首先，假设目标变量和输入特征之间的关系满足下式：

$$y^{(i)}={\theta }^{\text{T}}x+{\epsilon }^{(i)},$$

其中 ${\epsilon }^{(i)}$ 是误差项，记录了不在建模中的影响因素，或者随机的噪声。我们进一步假设它是独立同分布的高斯噪声：${\epsilon }^{(i)}\stackrel{i.i.d.}{\sim }\mathcal{N}(0,{\sigma }^2)$. 由此，我们可以写出其概率密度函数：

$$f_{{\epsilon }^{(i)}}(\epsilon )=\frac{1}{\sqrt{2\pi }\sigma }\exp (-\frac{{\epsilon }^2}{2{\sigma }^2}).$$

亦即

$$f(y^{(i)}\mid x^{(i)};\theta )=\frac{1}{\sqrt{2\pi }\sigma }\exp (-\frac{(y^{(i)}-{\theta }^{\text{T}}{x}^{(i)}{)}^2}{2{\sigma }^2}).$$

WARNING

• 记号 $f(y^{(i)}\mid x^{(i)};\theta )$ 表示 $y^{(i)}$ 在已知 $x^{(i)}$ 下的条件分布，其中 $\theta$ 为参数，$x^{(i)}$ 和 $\theta$ 中间用分号隔开；
• 记号 $f(y^{(i)}\mid x^{(i)},\theta )$ 表示 $y^{(i)}$ 在已知 $x^{(i)}$ 和 $\theta$ 下的条件分布，$x^{(i)}$ 和 $\theta$ 中间用逗号隔开。

上式表示的是单个样本的条件分布，所有样本汇聚在一起的分布是：

$$f(\vec{y}\mid X;\theta )=\frac{1}{\sqrt{2\pi }\sigma }\exp (-\frac{1}{2{\sigma }^2}(\vec{y}-X\theta {)}^{\text{T}}\Sigma (\vec{y}-X\theta )),$$

其中

$$\Sigma =\left[\begin{array}{cccc}{\sigma }^2& & & \\ & {\sigma }^2& & \\ & & \ddots & \\ & & & {\sigma }^2\end{array}\right].$$

上面这个函数一般被看作是关于 $\vec{y}$ 的函数，而我们主要想研究的是 $\theta$ 的行为对分布有着怎样的影响，因此我们需要引入似然函数：

$$L(\theta )=L(\theta ;X,\vec{y})=f(\vec{y}\mid X;\theta ).$$

由 ${\epsilon }^{(i)}$ 彼此独立，根据相互独立的定义，上式可改写为

$$\begin{array}{rl}L(\theta )& =\prod _{i=1}^{n}f(y^{(i)}\mid x^{(i)};\theta )\\ & =\prod _{i=1}^n\frac{1}{\sqrt{2\pi }\sigma }\exp (-\frac{y^{(i)}-{\theta }^{\text{T}}{x}^{(i)}}{2{\sigma }^2}).\end{array}$$

最大似然估计告诉我们，我们需要找到一个 $\theta$，使得 $L(\theta )$ 取得最大值。考虑到连乘的形式确实不利于求导，我们先取对数，变连乘为累加，再考虑求出 $\theta$：

$$\begin{array}{rl}l(\theta )& =\log L(\theta )\\ & =\log \prod _{i=1}^n\frac{1}{\sqrt{2\pi }\sigma }\exp (-\frac{y^{(i)}-{\theta }^{\text{T}}{x}^{(i)}}{2{\sigma }^2})\\ & =\sum _{i=1}^n\log \frac{1}{\sqrt{2\pi }\sigma }\exp (-\frac{y^{(i)}-{\theta }^{\text{T}}{x}^{(i)}}{2{\sigma }^2})\\ & =-n\log \sqrt{2\pi }\sigma -\frac{1}{{\sigma }^2}\cdot \frac{1}{2}\sum _{i=1}^n(y^{(i)}-{\theta }^{\text{T}}{x}^{(i)}{)}^2.\end{array}$$

因此，求出使得 $L(\theta )$ 最大的 $\theta$ 等价于求出使得 $J(\theta )=\frac{1}{2}{\sum }_{i=1}^n(y^{(i)}-{\theta }^{\text{T}}{x}^{(i)}{)}^2$ 最小的 $\theta$. 这也就是我们的代价函数。

说明：我们刚刚基于一系列的概率假设论证了线性回归方法的合理性。但这些概率假设对于说明线性回归的合理性并不是必要的。事实上，存在其他的假设方式，来说明线性回归算法是一个自然的、合理的算法。

注意到我们刚刚求出 $\theta$ 的方法并不依赖于 $\sigma$ 的具体取值。这一点在之后的讨论中也会涉及。