1.前言

前面已经推导过线性回归和逻辑斯特回归的梯度下降算法。

• 线性回归的梯度下降算法：https://blog.csdn.net/qq_30232405/article/details/104153928
• 逻辑斯特回归的梯度下降算法：https://blog.csdn.net/qq_30232405/article/details/104486826

它们各自的梯度下降算法公式为：

• 线性回归：
  $h_{\theta}(x) = \theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n \\ \theta_j := \theta_j - \alpha \frac{1}{m} \sum^{m}_{i=1} (h_{\theta}(x^{(i)}_j) - y^{(i)}) x^{(i)}_j \tag{1-1}$hθ​(x)=θ0​x0​+θ0​x1​+...+θn​xn​θj​:=θj​−αm1​i=1∑m​(hθ​(xj(i)​)−y(i))xj(i)​(1-1)
• 逻辑斯特回归：
  $h_{\theta}(x) = g(\theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n) \\ \theta_j:=\theta_j- \alpha \frac{1}{m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})x^{(i)}_j \tag{1-2}$hθ​(x)=g(θ0​x0​+θ0​x1​+...+θn​xn​)θj​:=θj​−αm1​i∑m​(hθ​(x(i))−y(i))xj(i)​(1-2)
  其中$g$g为sigmoid函数

2.过拟合问题及其解决方法

如上图，左图展示了一个拟合曲线不能很好的拟合数据，这个现象被称为“欠拟合问题（underfitting）”；而最右图虽然能够很好的拟合数据，但是曲线过于复杂，当需要预测新数据时，可能会有偏差，这时候被称为“过拟合问题（overfitting）”

2.1 拟合问题中偏差和方差

• 偏差和方差
  评价数据拟合程度好坏，通常用代价函数$J$J。如果只关注$J_{train}$Jtrain​(训练集误差)的话，通常会导致过拟合，因此还需要关注$J_{cv}$Jcv​(交叉验证集误差)。
• 高偏差：$J_{train}$Jtrain​和$J_{cv}$Jcv​都很大，并且$J_{train} \approx J_{cv}$Jtrain​≈Jcv​。对应欠拟合。
• 高方差：$J_{train}$Jtrain​较小，$J_{cv}$Jcv​远大于$J_{train}$Jtrain​。对应过拟合。

如何理解高偏差和高方差?
（1）高偏差对应着欠拟合，此时$J_{train}$Jtrain​也较大，可以理解为对任何新数据（不论其是否属于训练集），都有着较大的$J_{cv}$Jcv​误差，偏离真实预测较大。

（2）高方差对应着过拟合，此时$J_{train}$Jtrain​很小，对于新数据来说，如果其属性与训练集类似，它的$J_{cv}$Jcv​就会小些，如果属性与训练集不同，$J_{cv}$Jcv​就会很大，因此有一个比较大的波动，因此说是高方差。

就像打靶一样，偏差描述了我们的射击总体是否偏离了我们的目标，而方差描述了射击准不准。

对于 多项式回归，当次数选取较低时，我们的 训练集误差 和 交叉验证集误差 都会很大；当次数选择刚好时，训练集误差 和 交叉验证集误差 都很小；当次数过大时会产生过拟合，虽然 训练集误差 很小，但 交叉验证集误差 会很大（ 关系图如下 ）。

所以我们可以计算 $J_{train}(θ)$Jtrain​(θ)和 $J_{cv}(θ)$Jcv​(θ)，如果他们同时很大的话，就是遇到了高偏差问题，而 $J_{cv}(θ)$Jcv​(θ)比 $J_{train}(θ)$Jtrain​(θ) 大很多的话，则是遇到了高方差问题。

2.2 正则化（regulization）

正则化主要是用来解决过拟合问题。

右图因为比左图增加了两个参数$\theta_3$θ3​和$\theta_4$θ4​，所以造成了过拟合现象。而如果我们在最小化代价函数$J(\theta)$J(θ)的时候，也同时把$\theta_3$θ3​和$\theta_4$θ4​缩小到近乎等于0，这时候就可以变为左图的曲线，从而解决过拟合问题。

实际上，最小化公式可以变为：
$\mathop{min} \limits_{\theta} \frac{1}{2m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})^2 + \lambda \theta_3^2 + \lambda \theta_4^2 \tag{2-1}$θmin​2m1​i∑m​(hθ​(x(i))−y(i))2+λθ32​+λθ42​(2-1)
这个公式在最小化代价函数的时候，也使得$\theta_3$θ3​和$\theta_4$θ4​缩小到近乎等于0。

因为我们不知道哪个参数对模型有效果，所以可以把整体的参数都进行缩小，借鉴公式（2-1）可以把代价函数改写成：
$J(\theta) = \frac{1}{2m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})^2 + \lambda \sum_j^{n} \theta_j^2 \tag{2-2}$J(θ)=2m1​i∑m​(hθ​(x(i))−y(i))2+λj∑n​θj2​(2-2)

• 其中$\lambda$λ是用来平衡“原始代价函数的值”和“参数和”之间的关系。

2.3 线性回归的正则化

根据公式(2-2)，当使用梯度下降算法更新参数$\theta$θ时，$\frac{1}{2m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})^2$2m1​∑im​(hθ​(x(i))−y(i))2对$\theta_j$θj​求偏导数还是和原来的一样，而$\lambda \sum_j^{n} \theta_j^2$λ∑jn​θj2​对$\theta_j$θj​求偏导数：

$\frac{\partial \lambda \sum_j^{n} \theta_j^2}{\partial \theta_j} = 2 \lambda \theta_j \to \lambda \theta_j \tag{2-3}$∂θj​∂λ∑jn​θj2​​=2λθj​→λθj​(2-3)

• 其中2可以融合到$\lambda$λ中.

最后公式(1-1)更新为：
$h_{\theta}(x) = \theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n \\ \theta_j := \theta_j - \alpha [\frac{1}{m} \sum^{m}_{i=1} (h_{\theta}(x^{(i)}_j) - y^{(i)}) x^{(i)}_j + \lambda \theta_j] \tag{2-4}$hθ​(x)=θ0​x0​+θ0​x1​+...+θn​xn​θj​:=θj​−α[m1​i=1∑m​(hθ​(xj(i)​)−y(i))xj(i)​+λθj​](2-4)

2.4 逻辑斯特回归的正则化

同理，逻辑斯特回归加上正则项后，公式(1-2)更新为：
$h_{\theta}(x) = g(\theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n) \\ \theta_j:=\theta_j- \alpha [\frac{1}{m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})x^{(i)}_j + \lambda \theta_j]\tag{2-5}$hθ​(x)=g(θ0​x0​+θ0​x1​+...+θn​xn​)θj​:=θj​−α[m1​i∑m​(hθ​(x(i))−y(i))xj(i)​+λθj​](2-5)