数据挖掘算法（四）--线性回归

1、简单线性回归

简单线性回归是一个线性回归模型。一个独立变量和一个因变量，目的是找到的因变量和自变量之间的线性函数，尽可能准确地，预测因变量的值作为自变量的函数。这是常见的做法是：利用最小二乘方法使得残差（数据集的点和拟合线之间的垂直距离）最小化。找到残差最小时的拟合曲线即为我们要找的结果。

假设拟合曲线为：

y=β0+β1x

这样我们的目标就是找到斜率β1和y轴截距β0,换成数学表达式就是找到β0和β1使得下面的表达式最小：

min∑i=1n{yi−(β0+β1xi)}2

下面是求解过程：

=∑i=1n{yi−(β0+β1xi)}2

=∑i=1n{yi−β1xi−β0}2

令y∗=yi−β1xi可以将上式简化为

=∑i=1n{y∗−β0}2

要使得上式最小化，只有β0等于y∗的平均值的时候才能使得上式最小。

β0=∑y∗in=∑(yi−β1xi)n=y¯−β1x¯

将β0代入原始式子得到

=∑i=1n{yi−β1xi−y¯+β1x¯}2

=∑i=1n{yi−y¯−(xi−x¯)β1}2

令yi^=yi−y¯和xi^=xi−x¯

=∑i=1n{yi^−xi^β1}2

同上面β0 的道理，xi^β1等于yi^的均值时上式最小，这样的得到β1的解：

β1=∑yi^xi^∑xi^2=∑(yi−y¯)(xi−x¯)∑(xi−x¯)2

β1=∑(yi−y¯)(xi−x¯)/(n−1)∑(xi−x¯)2/(n−1)

β1=cov(y,x)cov(x,x)=cov(y,x)var(x)

2、线性回归

给定一个数据集{yi,xi1,...,xip}ni=1 ，线性回归模型主要是为了找到变量yi 和向量X的线性关系。

This relationship is modeled through a disturbance term or error variable εi — an unobserved random variable that adds noise to the linear relationship between the dependent variable and regressors. Thus the model takes the form

待续。。。

参考资料：

1、https://en.wikipedia.org/wiki/Simple_linear_regression

2、https://en.wikipedia.org/wiki/Linear_regression