WikiDer > Тихоновская регуляризация

Часть серии по
Регрессивный анализ
Модели
Линейная регрессия Простая регрессия Полиномиальная регрессия Общая линейная модель
Обобщенная линейная модель Дискретный выбор Биномиальная регрессия Бинарная регрессия Логистическая регрессия Полиномиальный логит Смешанный логит Пробит Полиномиальный пробит Заказал логит Заказал пробит Пуассон
Многоуровневая модель Фиксированные эффекты Случайные эффекты Линейная модель смешанных эффектов Нелинейная модель смешанных эффектов
Нелинейная регрессия Непараметрический Полупараметрический Крепкий Квантиль Изотонический Основные компоненты Наименьший угол Местный Сегментированный
Ошибки в переменных
Оценка
Наименьших квадратов Линейный Нелинейный
Обычный Взвешенный Обобщенный
Частичное Общий Неотрицательный Регрессия хребта Регулярный
Наименьшие абсолютные отклонения Итеративно переназначенный Байесовский Байесовский многомерный
Фон
Проверка регрессии Средний и прогнозируемый ответ Ошибки и остатки Доброту соответствия Студентизованный остаток Теорема Гаусса – Маркова
Математический портал
v т е

Тихоновская регуляризация, названный в честь Андрей Тихонов, это метод регуляризация из некорректно поставленные проблемы. Частный случай регуляризации Тихонова, известный как регресс гребня,^[а] особенно полезно для смягчения проблемы мультиколлинеарность в линейная регрессия, что обычно встречается в моделях с большим количеством параметров.^[1] В целом метод обеспечивает улучшенное эффективность в задачах оценки параметров в обмен на приемлемое количество предвзятость (видеть компромисс между смещением и дисперсией).^[2]

В простейшем случае проблема почти единичный матрица моментов ${ Displaystyle ( mathbf {X} ^ { mathsf {T}} mathbf {X})}$ смягчается добавлением положительных элементов к диагонали, тем самым уменьшая номер условия. Аналогично обыкновенный метод наименьших квадратов оценка, тогда простая оценка гребня определяется как

${ displaystyle { hat { beta}} _ {R} = ( mathbf {X} ^ { mathsf {T}} mathbf {X} + lambda mathbf {I}) ^ {- 1} mathbf {X} ^ { mathsf {T}} mathbf {y}}$

куда ${ displaystyle mathbf {y}}$ это регресс, ${ displaystyle mathbf {X}}$ это матрица дизайна, ${ displaystyle mathbf {I}}$ это единичная матрица, а параметр гребня ${ displaystyle lambda geq 0}$ служит константой, смещающей диагонали матрицы моментов.^[3] Можно показать, что эта оценка является решением наименьших квадратов проблема с учетом ограничение ${ displaystyle beta ^ { mathsf {T}} beta = c}$, который можно представить в виде лагранжиана:

${ Displaystyle мин _ { бета} , ( mathbf {y} - mathbf {X} beta) ^ { mathsf {T}} ( mathbf {y} - mathbf {X} beta) + lambda ( beta ^ { mathsf {T}} beta -c)}$

что показывает, что ${ displaystyle lambda}$ это не что иное, как Множитель Лагранжа ограничения. В случае ${ displaystyle lambda = 0}$, в которой ограничение не является обязательным, оценка гребня сводится к обыкновенный метод наименьших квадратов. Ниже обсуждается более общий подход к регуляризации Тихонова.

История

Тихоновская регуляризация была изобретена независимо во многих различных контекстах и ​​стала широко известна благодаря ее применению к интегральным уравнениям из работАндрей Тихонов^{[4][5][6][7][8]} и Дэвид Л. Филлипс.^[9] Некоторые авторы используют термин Регуляризация Тихонова – ФиллипсаКонечномерный случай изложил Артур Э. Хёрл, который использовал статистический подход,^[10] и Манусом Фостером, который интерпретировал этот метод как Винер – Колмогоров (Кригинг) фильтр.^[11] Вслед за Хёрлом в статистической литературе она известна как гребневая регрессия.^[12]

Тихоновская регуляризация

Предположим, что для известной матрицы ${ displaystyle A}$ и вектор ${ displaystyle mathbf {b}}$, мы хотим найти вектор ${ displaystyle mathbf {x}}$ такой, что^{[требуется разъяснение]}

${ displaystyle A mathbf {x} = mathbf {b}.}$

Стандартный подход обыкновенный метод наименьших квадратов линейная регрессия.^{[требуется разъяснение]} Однако если нет ${ displaystyle mathbf {x}}$ удовлетворяет уравнению или более чем одному ${ displaystyle mathbf {x}}$ делает - то есть решение не единственное - проблема называется некорректно поставлен. В таких случаях обычная оценка методом наименьших квадратов приводит к сверхопределенный, или чаще недоопределенный система уравнений. Большинство явлений реального мира имеют эффект фильтры нижних частот в прямом направлении, где ${ displaystyle A}$ карты ${ displaystyle mathbf {x}}$ к ${ displaystyle mathbf {b}}$. Следовательно, при решении обратной задачи обратное отображение действует как фильтр высоких частот который имеет нежелательную тенденцию к усилению шума (собственные значения / сингулярные значения являются наибольшими при обратном отображении, тогда как они были наименьшими при прямом отображении). Кроме того, обычные методы наименьших квадратов неявно обнуляют каждый элемент восстановленной версии ${ displaystyle mathbf {x}}$ то есть в нулевом пространстве ${ displaystyle A}$, а не позволять использовать модель в качестве априорной для ${ displaystyle mathbf {x}}$.Обычный метод наименьших квадратов стремится минимизировать сумму квадратов остатки, который можно компактно записать как

${ displaystyle | A mathbf {x} - mathbf {b} | _ {2} ^ {2},}$

куда ${ Displaystyle | cdot | _ {2}}$ это Евклидова норма.

Чтобы отдать предпочтение конкретному решению с желаемыми свойствами, в эту минимизацию можно включить член регуляризации:

${ displaystyle | A mathbf {x} - mathbf {b} | _ {2} ^ {2} + | Gamma mathbf {x} | _ {2} ^ {2}}$

для некоторых подходящим образом выбранных Матрица Тихонова ${ displaystyle Gamma}$. Во многих случаях эта матрица выбирается как кратная единичная матрица (${ displaystyle Gamma = alpha I}$), отдавая предпочтение решениям с меньшим нормы; это известно как L₂ регуляризация.^[13] В других случаях операторы высоких частот (например, оператор разницы или взвешенный Оператор Фурье) может использоваться для обеспечения гладкости, если основной вектор считается в основном непрерывным. Эта регуляризация улучшает условия задачи, что позволяет получить прямое численное решение. Явное решение, обозначенное ${ displaystyle { hat {x}}}$, дан кем-то

${ displaystyle { hat {x}} = (A ^ { top} A + Gamma ^ { top} Gamma) ^ {- 1} A ^ { top} mathbf {b}.}$

Эффект регуляризации может варьироваться масштабом матрицы ${ displaystyle Gamma}$. За ${ displaystyle Gamma = 0}$ это сводится к нерегуляризованному решению методом наименьших квадратов при условии, что (A^ТА)⁻¹ существуют.

L₂ регуляризация используется во многих контекстах помимо линейной регрессии, например классификация с логистическая регрессия или же опорные векторные машины,^[14] и матричная факторизация.^[15]

Обобщенная тихоновская регуляризация

Для общих многомерных нормальных распределений для ${ displaystyle x}$ и ошибку данных, можно применить преобразование переменных, чтобы свести к вышеупомянутому случаю. Точно так же можно искать ${ displaystyle x}$ минимизировать

${ displaystyle | Ax-b | _ {P} ^ {2} + | x-x_ {0} | _ {Q} ^ {2},}$

где мы использовали ${ Displaystyle | х | _ {Q} ^ {2}}$ обозначать квадрат взвешенной нормы ${ displaystyle x ^ { top} Qx}$ (сравните с Расстояние Махаланобиса). В байесовской интерпретации ${ displaystyle P}$ это обратное ковариационная матрица из ${ displaystyle b}$, ${ displaystyle x_ {0}}$ это ожидаемое значение из ${ displaystyle x}$, и ${ displaystyle Q}$ - матрица обратной ковариации ${ displaystyle x}$. Затем матрица Тихонова задается как факторизация матрицы ${ Displaystyle Q = Gamma ^ { top} Gamma}$ (например, Факторизация Холецкого) и считается отбеливающий фильтр.

Эта обобщенная задача имеет оптимальное решение ${ displaystyle x ^ {*}}$ который можно явно записать по формуле

${ displaystyle x ^ {*} = (A ^ { top} PA + Q) ^ {- 1} (A ^ { top} Pb + Qx_ {0}),}$

или эквивалентно

${ displaystyle x ^ {*} = x_ {0} + (A ^ { top} PA + Q) ^ {- 1} (A ^ { top} P (b-Ax_ {0})).}$

Лаврентьевская регуляризация

В некоторых ситуациях можно избежать использования транспонирования ${ displaystyle A ^ { top}}$, как предложено Михаил Лаврентьев.^[16] Например, если ${ displaystyle A}$ симметрично положительно определено, т.е. ${ displaystyle A = A ^ { top}> 0}$, так это обратное ${ displaystyle A ^ {- 1}}$, который, таким образом, может быть использован для установки квадрата взвешенной нормы ${ Displaystyle | х | _ {P} ^ {2} = x ^ { top} A ^ {- 1} x}$ в обобщенной регуляризации Тихонова, приводящей к минимизации

${ displaystyle | Ax-b | _ {A ^ {- 1}} ^ {2} + | x-x_ {0} | _ {Q} ^ {2}}$

или, что то же самое с точностью до постоянного члена,

${ displaystyle x ^ { top} (A + Q) x-2x ^ { top} (b + Qx)}$.

Эта задача минимизации имеет оптимальное решение ${ displaystyle x ^ {*}}$ который можно явно записать по формуле

${ displaystyle x ^ {*} = (A + Q) ^ {- 1} (b + Qx_ {0})}$,

что является не чем иным, как решением обобщенной проблемы Тихонова, где ${ displaystyle A = A ^ { top} = P ^ {- 1}.}$

Регуляризация Лаврентьева, если применима, выгодна исходной регуляризации Тихонова, поскольку матрица Лаврентьева ${ displaystyle A + Q}$ могут быть лучше кондиционированы, т. е. иметь меньшую номер условия, по сравнению с матрицей Тихонова ${ displaystyle A ^ { top} A + Gamma ^ { top} Gamma.}$

Регуляризация в гильбертовом пространстве

Обычно дискретные линейные плохо обусловленные задачи возникают в результате дискретизации интегральные уравнения, и можно сформулировать регуляризацию Тихонова в исходном бесконечномерном контексте. Выше мы можем интерпретировать ${ displaystyle A}$ как компактный оператор на Гильбертовы пространства, и ${ displaystyle x}$ и ${ displaystyle b}$ как элементы в области и диапазоне ${ displaystyle A}$. Оператор ${ Displaystyle A ^ {*} A + Gamma ^ { top} Gamma}$ тогда самосопряженный ограниченный обратимый оператор.

Связь с сингулярным разложением и фильтром Винера

С ${ displaystyle Gamma = alpha I}$, это решение методом наименьших квадратов может быть проанализировано особым образом с помощью сингулярное разложение. Учитывая разложение по сингулярным числам

${ Displaystyle A = U Sigma V ^ { top}}$

с сингулярными значениями ${ displaystyle sigma _ {я}}$, регуляризованное решение Тихонова можно представить в виде

${ displaystyle { hat {x}} = VDU ^ { top} b,}$

куда ${ displaystyle D}$ имеет диагональные значения

${ displaystyle D_ {ii} = { frac { sigma _ {i}} { sigma _ {i} ^ {2} + alpha ^ {2}}}}$

и равен нулю в других местах. Это демонстрирует влияние параметра Тихонова на номер условия регуляризованной проблемы. Для обобщенного случая аналогичное представление может быть получено с использованием обобщенное сингулярное разложение.^[17]

Наконец, это связано с Фильтр Винера:

${ displaystyle { hat {x}} = sum _ {i = 1} ^ {q} f_ {i} { frac {u_ {i} ^ { top} b} { sigma _ {i}} } v_ {i},}$

где веса Винера ${ displaystyle f_ {i} = { frac { sigma _ {i} ^ {2}} { sigma _ {i} ^ {2} + alpha ^ {2}}}}$ и ${ displaystyle q}$ это классифицировать из ${ displaystyle A}$.

Определение фактора Тихонова

Оптимальный параметр регуляризации ${ displaystyle alpha}$ обычно неизвестен и часто в практических задачах определяется для этого случая метод. Возможный подход основан на байесовской интерпретации, описанной ниже. Другие подходы включают принцип несоответствия, перекрестная проверка, L-образный метод,^[18] ограниченная максимальная вероятность и объективная прогнозирующая оценка риска. Грейс Вахба доказали, что оптимальный параметр в смысле перекрестная проверка с исключением по одному сводит к минимуму^[19][20]

${ displaystyle G = { frac { operatorname {RSS}} { tau ^ {2}}} = { frac { | X { hat { beta}} - y | ^ {2}} { [ operatorname {Tr} (IX (X ^ {T} X + alpha ^ {2} I) ^ {- 1} X ^ {T})] ^ {2}}},}$

куда ${ displaystyle operatorname {RSS}}$ это остаточная сумма квадратов, и ${ Displaystyle тау}$ это эффективное количество степеней свободы.

Используя предыдущую декомпозицию SVD, мы можем упростить приведенное выше выражение:

${ displaystyle operatorname {RSS} = left | y- sum _ {i = 1} ^ {q} (u_ {i} 'b) u_ {i} right | ^ {2} + left | sum _ {i = 1} ^ {q} { frac { alpha ^ {2}} { sigma _ {i} ^ {2} + alpha ^ {2}}} (u_ {i} 'б) u_ {i} right | ^ {2},}$

${ displaystyle operatorname {RSS} = operatorname {RSS} _ {0} + left | sum _ {i = 1} ^ {q} { frac { alpha ^ {2}} { sigma _ {i} ^ {2} + alpha ^ {2}}} (u_ {i} 'b) u_ {i} right | ^ {2},}$

и

${ displaystyle tau = m- sum _ {i = 1} ^ {q} { frac { sigma _ {i} ^ {2}} { sigma _ {i} ^ {2} + alpha ^ {2}}} = m-q + sum _ {i = 1} ^ {q} { frac { alpha ^ {2}} { sigma _ {i} ^ {2} + alpha ^ {2} }}.}$

Отношение к вероятностной формулировке

Вероятностная формулировка обратная задача вводит (когда все неопределенности гауссовские) ковариационную матрицу ${ displaystyle C_ {M}}$ представляющий априори неопределенности параметров модели и ковариационная матрица ${ displaystyle C_ {D}}$ представляющие неопределенности наблюдаемых параметров.^[21] В частном случае, когда эти две матрицы диагональные и изотропные, ${ Displaystyle C_ {M} = sigma _ {M} ^ {2} I}$ и ${ Displaystyle C_ {D} = sigma _ {D} ^ {2} I}$, и, в этом случае, уравнения обратной теории сводятся к приведенным выше уравнениям с ${ displaystyle alpha = { sigma _ {D}} / { sigma _ {M}}}$.

Байесовская интерпретация

Хотя сначала выбор решения этой регуляризованной задачи может показаться искусственным, да и матрица ${ displaystyle Gamma}$ кажется довольно произвольным, процесс может быть оправдан с Байесовская точка зрения. Обратите внимание, что для некорректно поставленной задачи необходимо обязательно ввести некоторые дополнительные предположения, чтобы получить единственное решение. Статистически априорная вероятность распределение ${ displaystyle x}$ иногда воспринимается как многомерное нормальное распределение. Для простоты здесь сделаны следующие предположения: средние значения равны нулю; их компоненты независимы; компоненты имеют одинаковые стандартное отклонение ${ displaystyle sigma _ {x}}$. Данные также подвержены ошибкам, и ошибки в ${ displaystyle b}$ также считаются независимый с нулевым средним и стандартным отклонением ${ displaystyle sigma _ {b}}$. При этих предположениях регуляризованным по Тихонову решением является наиболее вероятно решение с учетом данных и априори распределение ${ displaystyle x}$, в соответствии с Теорема Байеса.^[22]

Если предположение нормальность заменяется предположениями о гомоскедастичность и некоррелированность ошибки, и если все еще предполагается нулевое среднее значение, то Теорема Гаусса – Маркова следует, что решение является минимальным несмещенная линейная оценка.^[23]

Смотрите также

• Оценщик LASSO - еще один метод регуляризации в статистике.
• Упругая сетевая регуляризация
• Матричная регуляризация

Примечания

Рекомендации

дальнейшее чтение

• Грубер, Марвин (1998). Повышение эффективности за счет сжатия: оценки регрессии Джеймса – Стейна и Риджа. Бока-Ратон: CRC Press. ISBN 0-8247-0156-9.
• Кресс, Райнер (1998). «Тихоновская регуляризация». Числовой анализ. Нью-Йорк: Спрингер. С. 86–90. ISBN 0-387-98408-9.
• Press, W. H .; Теукольский, С. А .; Vetterling, W. T .; Фланнери, Б. П. (2007). «Раздел 19.5. Методы линейной регуляризации». Числовые рецепты: искусство научных вычислений (3-е изд.). Нью-Йорк: Издательство Кембриджского университета. ISBN 978-0-521-88068-8.
• Салех, А. К. М. Эхсанес; Араши, Мохаммад; Кибрия, Б. М. Голам (2019). Теория оценки регрессии хребта с приложениями. Нью-Йорк: Джон Вили и сыновья. ISBN 978-1-118-64461-4.
• Тэдди, Мэтт (2019). «Регуляризация». Наука о бизнес-данных: сочетание машинного обучения и экономики для оптимизации, автоматизации и ускорения принятия бизнес-решений. Нью-Йорк: Макгроу-Хилл. С. 69–104. ISBN 978-1-260-45277-8.