关键词：
https://blog.csdn.net/bitcarmanlee/article/details/51589143
最小二乘是每个上过大学的同学都接触过的概念与知识点(当然可能纯文科的同学没接触过，但是一般纯文科的同学也不会看这篇文章好像)。最小二乘理论其实很简单，用途也很广泛。但是每次说到最小二乘，总感觉差了点什么似的，好像对于最小二乘的前世今生没有一个特别详细与系统的了解。so，本博主趁着周末的时间，赶紧给详细整理整理，力争把最小二乘是个什么鬼做一个特别详细的说明，争取让学英语学中文学历史学画画唱歌的同学都能看明白。
1.最小二乘的背景
这种东东的来源，比较容易找到而且比较靠谱的途径自然是wiki百科了，以下部分的内容来自wiki百科：
1801年，意大利天文学家朱赛普·皮亚齐发现了第一颗小行星谷神星。经过40天的跟踪观测后，由于谷神星运行至太阳背后，使得皮亚齐失去了谷神星的位置。随后全世界的科学家利用皮亚齐的观测数据开始寻找谷神星，但是根据大多数人计算的结果来寻找谷神星都没有结果。时年24岁的高斯也计算了谷神星的轨道。奥地利天文学家海因里希·奥伯斯根据高斯计算出来的轨道重新发现了谷神星。
高斯使用的最小二乘法的方法发表于1809年他的著作《天体运动论》中，而法国科学家勒让德于1806年独立发现“最小二乘法”，但因不为世人所知而默默无闻。两人曾为谁最早创立最小二乘法原理发生争执。1829年，高斯提供了最小二乘法的优化效果强于其他方法的证明，见高斯-马尔可夫定理。
2.举个最简单的例子理解最小二乘
现在大家都越来越重视自己的身体健康。现代人最常见的亚健康问题就是肥胖，本博主身体棒棒哒，唯一困扰本博主的健康问题就是超重。（好吧，承认自己是个死胖子就完了）
假设身高是变量X，体重是变量Y，我们都知道身高与体重有比较直接的关系。生活经验告诉我们：一般身高比较高的人，体重也会比较大。但是这只是我们直观的感受，只是很粗略的定性的分析。在数学世界里，我们大部分时候需要进行严格的定量计算：能不能根据一个人的身高，通过一个式子就能计算出他或者她的标准体重？
接下来，我们肯定会找一堆人进行采用（请允许我把各位当成一个样本）。采样的数据，自然就是各位的身高与体重。（为了方便计算与说明，请允许我只对男生采样）经过采样以后，我们肯定会得到一堆数据(x1,y1),(x2,y2),?,(xn,yn)(x1,y1),(x2,y2),?,(xn,yn)，其中x是身高，y是体重。
得到这堆数据以后，接下来肯定是要处理这堆数据了。生活常识告诉我们：身高与体重是一个近似的线性关系，用最简单的数学语言来描述就是y=β0+β1xy=β0+β1x。于是，接下来的任务就变成了：怎么根据我们现在得到的采样数据，求出这个β0β0与β1β1呢？这个时候，就轮到最小二乘法发飙显示威力了。
3.最小二乘的cost function
在讲最小二乘的详情之前，首先明确两点：1.我们假设在测量系统中不存在有系统误差，只存在有纯偶然误差。比如体重计或者身高计本身有问题，测量出来的数据都偏大或者都偏小，这种误差是绝对不存在的。（或者说这不能叫误差，这叫错误）2.误差是符合正态分布的，因此最后误差的均值为0（这一点很重要)
明确了上面两点以后，重点来了：为了计算β0β0,β1β1的值，我们采取如下规则：β0β0,β1β1应该使计算出来的函数曲线与观察值的差的平方和最小。用数学公式描述就是：
其中，yieyie表示根据y=β0+β1xy=β0+β1x估算出来的值，yiyi是观察得到的真实值。
可能有很多同学就会不服了，凭什么要用差的平方和最小勒？用差的绝对值不行么？不要骗我们好不好？
本博主不敢骗大家，为了让大家相信，特意找了一种本博主认为比较靠谱的解释：
我们假设直线对于坐标 Xi 给出的预测 f(Xi) 是最靠谱的预测，所有纵坐标偏离 f(Xi) 的那些数据点都含有噪音，是噪音使得它们偏离了完美的一条直线，一个合理的假设就是偏离路线越远的概率越小，具体小多少，可以用一个正态分布曲线来模拟，这个分布曲线以直线对 Xi 给出的预测 f(Xi) 为中心，实际纵坐标为 Yi 的点 (Xi, Yi) 发生的概率就正比于 EXP[-(ΔYi)^2]。（EXP(..) 代表以常数 e 为底的多少次方）。
所以我们在前面的两点里提到，假设误差的分布要为一个正态分布，原因就在这里了。
另外说一点我自己的理解：从数学处理的角度来说，绝对值的数学处理过程，比平方和的处理要复杂很多。搞过机器学习的同学都知道，L1正则就是绝对值的方式，而L2正则是平方和的形式。L1能产生稀疏的特征，这对大规模的机器学习灰常灰常重要。但是L1的求解过程，实在是太过蛋疼。所以即使L1能产生稀疏特征，不到万不得已，我们也还是宁可用L2正则，因为L2正则计算起来方便得多。。。
4.最小二乘法的求解
明确了前面的cost function以后，后面的优化求解过程反倒变得so easy了。
样本的回归模型很容易得出：
现在需要确定β0β0、β1β1，使cost function最小。学过高数的同志们都清楚，求导就OK。对于这种形式的函数求导，so easy，so happy…
将这两个方程稍微整理一下，使用克莱姆法则，很容易求解得出：
因为求和符号比较多，省略了上标与下标。
根据这个公式，就可以求解出相应的参数。
对应上面的身高体重关系的例子，我们只需要将采样得到的数据，一一代入即可求解。
5.矩阵表达形式
如果我们推广到更一般的情况，假如有更多的模型变量x1,x2,?,xmx1,x2,?,xm（注意：x1x1是指 一个样本，x1x1是指样本里的一个模型相关的变量)，可以用线性函数表示如下：
对于n个样本来说，可以用如下线性方程组表示：
如果将样本矩阵xhixih记为矩阵A,将参数矩阵记为向量ββ，真实值记为向量Y，上述线性方程组可以表示为：
即Aβ=YAβ=Y
对于最小二乘来说，最终的矩阵表达形式可以表示为：
最后的最优解为：
6.注意事项
经典的最小二乘法使用起来够简单粗暴，计算过程也不复杂。但是一个致命的问题就是其对噪声的容忍度很低。试想一下，如果前面我们得到的总采样数据为100个，但是里面有几个大胖子，这几个大胖子就相当于不是普通人的身高-体重系数，他们就是噪声了。如果不采取一些手段对这几个噪声样本进行处理，最后计算出来的身高-体重系数肯定会比正常值要偏大。
对于噪声的处理，比如有加权最小二乘等方法，后续有时间跟大家再讲讲。
理解最小二乘法
最小二乘法辨识 最小二乘法-矩阵求导求解 最小二乘法的一般形式和矩阵形式原理推导和代码实现 查看详情
机器学习-最小二乘法
最小二乘法是机器学习中的基础知识点，一致对最小二乘法的理解不够深入，今天就花点时间来深入理解和探讨一下最小二乘法最小二乘法，又称最小平方法，基本公式通俗来讲，二者先取个差值，在来个平方，最后搞一个和号... 查看详情
最小二乘法小结
原帖地址：http://www.cnblogs.com/pinard/p/5976811.html最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习，尤其是回归模型中，经常可以看到最小二乘法的身影，这里就对我对最小二乘法的认知做一个小结。1.最小二乘法... 查看详情
最小二乘法小结
最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习，尤其是回归模型中，经常可以看到最小二乘法的身影，这里就对我对最小二乘法的认知做一个小结。 1.最小二乘法的原理与要解决的问题 ... 查看详情
最小二乘法小结
最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习，尤其是回归模型中，经常可以看到最小二乘法的身影，这里就对我对最小二乘法的认知做一个小结。1.最小二乘法的原理与要解决的问题 最小二乘... 查看详情
最小二乘法
最小二乘法 最小化误差的平方。对于式子，y(i)是真值，ax(i)-b是预测值。将两者差的平方和最小化，就是最小二乘法解决的问题。x_bar：x向量对应的均值推导过程： 查看详情
最小二乘法
目录最小二乘法 不同厂家的尺子的生产精度不同尺子材质不同，热胀冷缩不一样测量的时候心情起伏不定这样做有道理吗？用调和平均数行不行？用中位数行不行？用几何平均数行不行？最小二乘法 查看详情
机器学习-最小二乘法
...。追本溯源，从“Logistic回归”到“线性回归”，再到“最小二乘法”。最终定格到了《高等数学》（第六版·下册）第九章第10节“最小二乘法”，这才了解到最小二乘法背后的数学原理出自哪里。“最小二乘法”是最优化问题... 查看详情
算法#03--具体解释最小二乘法原理和代码
最小二乘法原理最小二乘法的目标：求误差的最小平方和，相应有两种：线性和非线性。线性最小二乘的解是closed-form（例如以下文），而非线性最小二乘没有closed-form，通经常使用迭代法求解（如高斯牛顿迭代法，本文不作介... 查看详情
最小二乘法（leastsquares）简介
原文链接：最小二乘法(LeastSquares)简介最小二乘法（LeastSquares）详细介绍|数据学习者官方网站(Datalearner) 最小二乘法（LeastSquares）是回归分析中的一种标准方法，它是用来近似超定系统（OverdeterminedS... 查看详情
最小二乘法，了解一下？
摘要：最小二乘法是一种在误差估计、不确定度、系统辨识及预测、预报等数据处理诸多学科领域得到广泛应用的数学工具。最小二乘很简单，也在业界得到了广泛使用。本文分享自华为云社区《最小二乘法介绍》，... 查看详情
线性回归——最小二乘法
...ession），本篇文章详细将讲解单变量线性回归并写出使用最小二乘法（leastsquaresmethod）来求线性回归损失函数最优解的完整过程，首先推导出最小二乘法，后用最小二乘法对一个简单数据集进行线性回归拟合；线性回归 线性... 查看详情
最小二乘法
最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法... 查看详情
浅谈最小二乘法
参考技术A最小二乘法是回归分析的一种标准方法，它通过最小化每个方程式结果中的残差平方和来近似超定系统（方程组多于未知数的方程组）。回归分析（regressionanalysis)指的是确定两种或两种以上变量间相互依赖的定量关系... 查看详情
最小二乘法
理解：最小：理论值和观测值之差的平方和最小。高斯于1823年在误差e1,…,en独立同分布的假定下,证明了最小二乘方法的一个最优性质:在所有无偏的线性估计类中,最小二乘方法是其中方差最小的！现行的最小二乘法是勒让德... 查看详情
加权最小二乘法的权重形式
加权最小二乘法的权重形式？加权最小二乘法采用指数权数W，0以直线模型为例，其加权的剩余平方和为：对上式分别求a和b的偏导数，得到标准方程组：对上述方程解出a和b，就得到加权最小二乘法直线模型。应用加权最小二乘... 查看详情
什么是加权最小二乘法,它可以解决什么问题？
着急！请会的人迅速回复，用来答选择提的，不需要太长最小二乘法是一种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配。 最小二乘法是用最简的方法求得一些绝对不可知的真值，而令误差平方之... 查看详情
最小二乘法求线性回归方程的公式是啥？
参考技术A最小二乘法求线性回归方程为a=y(平均)-b*x（平均）。最小二乘法公式是一个数学的公式，在数学上称为曲线拟合，此处所讲最小二乘法，专指线性回归方程！最小二乘法公式为a=y(平均)-b*x（平均）。最小二乘法（又称... 查看详情