回归问题的条件/前提：

1） 收集的数据

2） 如果的模型，即一个函数，这个函数里含有未知的參数，通过学习，能够预计出參数。然后利用这个模型去预測/分类新的数据。

1. 线性回归

如果 特征 和 结果 都满足线性。即不大于一次方。这个是针对 收集的数据而言。

收集的数据中，每个分量，就能够看做一个特征数据。每个特征至少相应一个未知的參数。这样就形成了一个线性模型函数，向量表示形式：

这个就是一个组合问题，已知一些数据，怎样求里面的未知參数，给出一个最优解。 一个线性矩阵方程，直接求解，非常可能无法直接求解。有唯一解的数据集，微乎其微。

基本上都是解不存在的超定方程组。因此，须要退一步，将參数求解问题，转化为求最小误差问题，求出一个最接近的解，这就是一个松弛求解。

求一个最接近解，直观上，就能想到，误差最小的表达形式。仍然是一个含未知參数的线性模型，一堆观測数据，其模型与数据的误差最小的形式，模型与数据差的平方和最小：

这就是损失函数的来源。接下来，就是求解这个函数的方法，有最小二乘法，梯度下降法。

http://zh.wikipedia.org/wiki/%E7%BA%BF%E6%80%A7%E6%96%B9%E7%A8%8B%E7%BB%84

最小二乘法

是一个直接的数学求解公式，只是它要求X是列满秩的，

梯度下降法

分别有梯度下降法，批梯度下降法，增量梯度下降。本质上，都是偏导数，步长/最佳学习率，更新，收敛的问题。这个算法仅仅是最优化原理中的一个普通的方法，能够结合最优化原理来学，就easy理解了。

2. 逻辑回归

逻辑回归与线性回归的联系、异同？

逻辑回归的模型 是一个非线性模型，sigmoid函数，又称逻辑回归函数。可是它本质上又是一个线性回归模型，由于除去sigmoid映射函数关系，其它的步骤，算法都是线性回归的。能够说，逻辑回归，都是以线性回归为理论支持的。

仅仅只是，线性模型，无法做到sigmoid的非线性形式，sigmoid能够轻松处理0/1分类问题。

另外它的推导含义：仍然与线性回归的最大似然预计推导同样，最大似然函数连续积（这里的分布，能够使伯努利分布，或泊松分布等其它分布形式），求导，得损失函数。

逻辑回归函数

  表现了0,1分类的形式。

应用举例：

是否垃圾邮件分类？

是否肿瘤、癌症诊断？

是否金融欺诈？

3. 一般线性回归

线性回归 是以 高斯分布 为误差分析模型； 逻辑回归 採用的是 伯努利分布 分析误差。

而高斯分布、伯努利分布、贝塔分布、迪特里特分布，都属于指数分布。

而一般线性回归，在x条件下，y的概率分布 p(y|x) 就是指 指数分布.

经历最大似然预计的推导，就能导出一般线性回归的 误差分析模型（最小化误差模型）。

softmax回归就是 一般线性回归的一个样例。

有监督学习回归，针对多类问题（逻辑回归，解决的是二类划分问题），如数字字符的分类问题，0-9,10个数字，y值有10个可能性。

而这样的可能的分布，是一种指数分布。并且全部可能的和 为1，则对于一个输入的结果，其结果可表示为：

參数是一个k维的向量。

而代价函数：

是逻辑回归代价函数的推广。

而对于softmax的求解，没有闭式解法（高阶多项方程组求解），仍用梯度下降法，或L-BFGS求解。

当k=2时，softmax退化为逻辑回归，这也能反映softmax回归是逻辑回归的推广。

线性回归，逻辑回归，softmax回归 三者联系，须要重复回味，想的多了，理解就能深入了。

4. 拟合：拟合模型/函数

由測量的数据，预计一个假定的模型/函数。怎样拟合，拟合的模型是否合适？可分为下面三类

合适拟合

欠拟合

过拟合

看过一篇文章（附录）的图示，理解起来非常不错：

 欠拟合：

合适的拟合

过拟合

过拟合的问题怎样解决？

问题起源？模型太复杂，參数过多，特征数目过多。

方法： 1） 降低特征的数量，有人工选择，或者採用模型选择算法

http://www.cnblogs.com/heaad/archive/2011/01/02/1924088.html （特征选择算法的综述）

     2） 正则化，即保留全部特征，但减少參数的值的影响。正则化的长处是，特征非常多时，每一个特征都会有一个合适的影响因子。

5. 概率解释：线性回归中为什么选用平方和作为误差函数？

如果模型结果与測量值 误差满足，均值为0的高斯分布，即正态分布。这个如果是靠谱的，符合一般客观统计规律。

数据x与y的条件概率：

若使 模型与測量数据最接近，那么其概率积就最大。概率积，就是概率密度函数的连续积，这样，就形成了一个最大似然函数预计。对最大似然函数预计进行推导，就得出了求导后结果： 平方和最小公式

6. 參数预计 与 数据的关系

拟合关系

7. 错误函数/代价函数/损失函数：

线性回归中採用平方和的形式，一般都是由模型条件概率的最大似然函数 概率积最大值，求导，推导出来的。

统计学中，损失函数一般有下面几种：

1） 0-1损失函数

L(Y,f(X))={

1,0,Y≠f(X)Y=f(X)

2） 平方损失函数

L(Y,f(X))=(Y−f(X))2

3） 绝对损失函数

L(Y,f(X))=|Y−f(X)|

4） 对数损失函数

L(Y,P(Y|X))=−logP(Y|X)

损失函数越小，模型就越好，并且损失函数 尽量 是一个凸函数，便于收敛计算。

线性回归，採用的是平方损失函数。而逻辑回归採用的是 对数 损失函数。 这些不过一些结果，没有推导。

8. 正则化：

为防止过度拟合的模型出现（过于复杂的模型），在损失函数里添加一个每一个特征的惩处因子。这个就是正则化。如正则化的线性回归 的 损失函数：

lambda就是惩处因子。

正则化是模型处理的典型方法。也是结构风险最小的策略。在经验风险（误差平方和）的基础上，添加一个惩处项/正则化项。

线性回归的解，也从

θ=(XTX)−1XTy

转化为

括号内的矩阵，即使在样本数小于特征数的情况下，也是可逆的。

逻辑回归的正则化：

从贝叶斯预计来看，正则化项相应模型的先验概率，复杂模型有较大先验概率，简单模型具有较小先验概率。这个里面又有几个概念。

什么是结构风险最小化？先验概率？模型简单与否与先验概率的关系？

经验风险、期望风险、经验损失、结构风险

期望风险（真实风险），可理解为 模型函数固定时，数据 平均的 损失程度，或“平均”犯错误的程度。 期望风险是依赖损失函数和概率分布的。

仅仅有样本，是无法计算期望风险的。

所以，採用经验风险，对期望风险进行预计，并设计学习算法，使其最小化。即经验风险最小化（Empirical Risk Minimization）ERM，而经验风险是用损失函数来评估的、计算的。

对于分类问题，经验风险，就训练样本错误率。

对于函数逼近，拟合问题，经验风险，就平方训练误差。

对于概率密度预计问题，ERM，就是最大似然预计法。

而经验风险最小，并不一定就是期望风险最小，无理论根据。仅仅有样本无限大时，经验风险就逼近了期望风险。

怎样解决问题？ 统计学习理论SLT，支持向量机SVM就是专门解决问题的。

有限样本条件下，学习出一个较好的模型。

因为有限样本下，经验风险Remp[f]无法近似期望风险R[f] 。因此，统计学习理论给出了二者之间的关系：R[f] <= ( Remp[f] + e )

而右端的表达形式就是结构风险，是期望风险的上界。而e = g(h/n)是置信区间，是VC维h的增函数，也是样本数n的减函数。

VC维的定义在 SVM，SLT中有具体介绍。e依赖h和n，若使期望风险最小，仅仅需关心其上界最小，即e最小化。所以，须要选择合适的h和n。这就是结构风险最小化Structure Risk Minimization，SRM.

SVM就是SRM的近似实现，SVM中的概念另有一大筐。就此打住。

1范数，2范数 的物理意义：

范数，能将一个事物，映射到非负实数，且满足非负性，齐次性，三角不等式。是一个具有“长度”概念的函数。

1范数为什么能得到稀疏解？

压缩感知理论，求解与重构，求解一个L1范数正则化的最小二乘问题。其解正是 欠定线性系统的解。

2范数为什么能得到最大间隔解？

2范数代表能量的度量单位，用来重构误差。

以上几个概念理解须要补充。

9. 最小描写叙述长度准则：

即一组实例数据，存储时，利用一模型，编码压缩。模型长度，加上压缩后长度，即为该数据的总的描写叙述长度。最小描写叙述长度准则，就是选择 总的描写叙述长度最小的模型。

最小描写叙述长度MDL准则，一个重要特性就是避免过度拟合现象。

如利用贝叶斯网络，压缩数据，一方面， 模型自身描写叙述长度 随模型复杂度的添加而添加 ； 还有一方面， 对数据集描写叙述的长度随模型复杂度的添加而下降。因此， 贝叶斯网络的 MD L总是力求在模型精度和模型复杂度之间找到平衡。当模型过于复杂时，最小描写叙述长度准则就会其作用，限制复杂程度。

奥卡姆剃刀原则：

　假设你有两个原理，它们都能解释观測到的事实，那么你应该使用简单的那个，直到发现很多其它的证据。

   万事万物应该尽量简单，而不是更简单。

11. 凸松弛技术：

将组合优化问题，转化为易于求解极值点的凸优化技术。凸函数/代价函数的推导，最大似然预计法。

12. 牛顿法求解 最大似然预计

前提条件：求导迭代，似然函数可导，且二阶可导。

迭代公式：

若是 向量形式，

 

H就是 n*n 的hessian矩阵了。

特征：当靠近极值点时，牛顿法能高速收敛，而在远离极值点的地方，牛顿法可能不收敛。 这个的推导？

这点是与梯度下降法的收敛特征是相反的。

线性与非线性：

线性，一次函数；非线性，输入、输出不成正比，非一次函数。

线性的局限性：xor问题。线性不可分，形式：

x  0

0  x

而线性可分，是仅仅用一个线性函数，将数据分类。线性函数，直线。

线性无关：各个独立的特征，独立的分量，无法由其它分量或特征线性表示。

核函数的物理意义：

映射到高维，使其变得线性可分。什么是高维？如一个一维数据特征x，转换为（x，x^2, x^3），就成为了一个三维特征，且线性无关。一个一维特征线性不可分的特征，在高维，就可能线性可分了。

逻辑回归logicalistic regression 本质上仍为线性回归，为什么被单独列为一类？

其存在一个非线性的映射关系，处理的通常是二元结构的0，1问题，是线性回归的扩展，应用广泛，被单独列为一类。

并且假设直接应用线性回归来拟合 逻辑回归数据，就会形成非常多局部最小值。是一个非凸集，而线性回归损失函数 是一个 凸函数，即最小极值点，即是全局极小点。模型不符。

若採用 逻辑回归的 损失函数，损失函数就能形成一个 凸函数。

多项式样条函数拟合

多项式拟合，模型是一个多项式形式；样条函数，模型不仅连续，并且在边界处，高阶导数也是连续的。优点：是一条光滑的曲线，能避免边界出现震荡的形式出现（龙格线性）

http://baike.baidu.com/view/301735.htm

下面是几个需慢慢深入理解的概念：

无结构化预測模型

结构化预測模型

什么是结构化问题？

adaboost， svm， lr 三个算法的关系。

三种算法的分布相应 exponential loss（指数 损失函数）， hinge loss， log loss（对数损失函数）， 无本质差别。应用凸上界代替0、1损失，即凸松弛技术。从组合优化到凸集优化问题。凸函数，比較easy计算极值点。

正则化与贝叶斯參数预计的联系？

部分參考文章：

http://www.guzili.com/?p=45150

http://52opencourse.com/133/coursera%E5%85%AC%E5%BC%80%E8%AF%BE%E7%AC%94%E8%AE%B0-%E6%96%AF%E5%9D%A6%E7%A6%8F%E5%A4%A7%E5%AD%A6%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AC%AC%E4%B8%83%E8%AF%BE-%E6%AD%A3%E5%88%99%E5%8C%96-regularization

http://www.cnblogs.com/jerrylead/archive/2011/03/05/1971867.html