这个实验的要求写的还是挺清楚的（与上学期相比），本博客采用python实现，科学计算库采用numpy，作图采用matplotlib.pyplot，为了简便在文件开头import如下：

import numpy as npimport matplotlib.pyplot as plt

本实验用到的numpy函数

一般把numpy简写为np（import numpy as np）。下面简单介绍一下实验中用到的numpy函数。下面的代码均需要在最前面加上import numpy as np。

np.array

该函数返回一个numpy.ndarray对象，可以理解为一个多维数组（本实验中仅会用到一维（可以当作列向量）和二维（矩阵））。下面用小写的 x \pmb x xx表示列向量，大写的 A A A表示矩阵。A.T表示 A A A的转置。对ndarray的运算一般都是逐元素的。

>>> x = np.array([1,2,3])>>> xarray([1, 2, 3])>>> A = np.array([[2,3,4],[5,6,7]])>>> Aarray([[2, 3, 4],       [5, 6, 7]])>>> A.T # 转置array([[2, 5],       [3, 6],       [4, 7]])>>> A + 1array([[3, 4, 5],       [6, 7, 8]])>>> A * 2array([[ 4,  6,  8],       [10, 12, 14]])

np.random

np.random模块中包含几个生成随机数的函数。在本实验中用随机初始化参数（梯度下降法），给数据添加噪声。

>>> np.random.rand(3, 3) # 生成3 * 3 随机矩阵，每个元素服从[0,1)均匀分布array([[8.18713933e-01, 5.46592778e-01, 1.36380542e-01],       [9.85514865e-01, 7.07323389e-01, 2.51858374e-04],       [3.14683662e-01, 4.74980699e-02, 4.39658301e-01]])      >>> np.random.rand(1) # 生成单个随机数array([0.70944563])>>> np.random.rand(5) # 长为5的一维随机数组array([0.03911319, 0.67572368, 0.98884287, 0.12501456, 0.39870096])>>> np.random.randn(3, 3) # 同上，但每个元素服从N(0, 1)（标准正态）

数学函数

本实验中只用到了np.sin。这些数学函数是对np.ndarray逐元素操作的：

>>> x = np.array([0, 3.1415, 3.1415 / 2]) # 0, pi, pi / 2>>> np.round(np.sin(x)) # 先求sin再四舍五入: 0, 0, 1array([0., 0., 1.])

此外，还有np.log、np.exp等与python的math库相似的函数（只不过是对多维数组进行逐元素运算）。

np.dot

返回两个矩阵的乘积。与线性代数中的矩阵乘法一致。要求第一个矩阵的列等于第二个矩阵的行数。特殊地，当其中一个为一维数组时，形状会自动适配为 n × 1 n\times1 n×1或 1 × n . 1\times n. 1×n.

>>> x = np.array([1,2,3]) # 一维数组>>> A = np.array([[1,1,1],[2,2,2],[3,3,3]]) # 3 * 3矩阵>>> np.dot(x,A)array([14, 14, 14])>>> np.dot(A,x)array([ 6, 12, 18])>>> x_2D = np.array([[1,2,3]]) # 这是一个二维数组（1 * 3矩阵）>>> np.dot(x_2D, A) # 可以运算array([[14, 14, 14]])>>> np.dot(A, x_2D) # 行列不匹配Traceback (most recent call last):  File "<stdin>", line 1, in <module>  File "<__array_function__ internals>", line 5, in dotValueError: shapes (3,3) and (1,3) not aligned: 3 (dim 1) != 1 (dim 0)

np.eye

np.eye(n)返回一个n阶单位阵。

>>> A = np.eye(3)>>> Aarray([[1., 0., 0.],       [0., 1., 0.],       [0., 0., 1.]])

线性代数相关

np.linalg是与线性代数有关的库。

>>> Aarray([[1, 0, 0],       [0, 2, 0],       [0, 0, 3]])>>> np.linalg.inv(A) # 求逆（本实验不考虑逆不存在）array([[1.        , 0.        , 0.        ],       [0.        , 0.5       , 0.        ],       [0.        , 0.        , 0.33333333]])>>> x = np.array([1,2,3])>>> np.linalg.norm(x) # 返回向量x的模长（平方求和开根号）3.7416573867739413>>> np.linalg.eigvals(A) # A的特征值array([1., 2., 3.])

生成数据

生成数据要求加入噪声（误差）。上课讲的时候举的例子就是正弦函数，我们这里也采用标准的正弦函数 y = sin ⁡ x . y=\sin x. y=sinx.（加入噪声后即为 y = sin ⁡ x + ϵ , y=\sin x+\epsilon, y=sinx+ϵ,其中 ϵ ∼ N ( 0 , σ 2 ) \epsilon\sim N(0, \sigma^2) ϵ∼N(0,σ2),由于 sin ⁡ x \sin x sinx的最大值为 1 1 1,我们把误差的方差设小一点，这里设成 1 25 \frac{1}{25} 251​）。

'''返回数据集，形如[[x_1, y_1], [x_2, y_2], ..., [x_N, y_N]]保证 bound[0] <= x_i < bound[1].- N 数据集大小, 默认为 100- bound 产生数据横坐标的上下界, 应满足 bound[0] < bound[1], 默认为(0, 10)'''def get_dataset(N = 100, bound = (0, 10)):    l, r = bound    # np.random.rand 产生[0, 1)的均匀分布，再根据l, r缩放平移    # 这里sort是为了画图时不会乱，可以去掉sorted试一试    x = sorted(np.random.rand(N) * (r - l) + l)# np.random.randn 产生N(0,1)，除以5会变为N(0, 1 / 25)    y = np.sin(x) + np.random.randn(N) / 5    return np.array([x,y]).T

产生的数据集每行为一个平面上的点。产生的数据看起来像这样：

隐隐约约能看出来是个正弦函数的形状。产生上面图像的代码如下：

dataset = get_dataset(bound = (-3, 3))# 绘制数据集散点图for [x, y] in dataset:    plt.scatter(x, y, color = 'red')plt.show()

最小二乘法拟合

下面我们分别用四种方法（最小二乘，正则项/岭回归，梯度下降法，共轭梯度法）以用多项式拟合上述干扰过的正弦曲线。

解析解推导

简单回忆一下最小二乘法的原理：现在我们想用一个 m m m次多项式
f ( x ) = w 0 + w 1 x + w 2 x 2 + . . . + w m x m f(x)=w_0+w_1x+w_2x^2+...+w_mx^m f(x)=w0​+w1​x+w2​x2+...+wm​xm
来近似真实函数 y = sin ⁡ x . y=\sin x. y=sinx.我们的目标是最小化数据集 ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x N , y N ) (x_1,y_1),(x_2,y_2),...,(x_N,y_N) (x1​,y1​),(x2​,y2​),...,(xN​,yN​)上的损失 L L L（loss），这里损失函数采用平方误差：
L = ∑ i = 1 N [ y i − f ( x i ) ] 2 L=\sum\limits_{i=1}^N[y_i-f(x_i)]^2 L=i=1∑N​[yi​−f(xi​)]2
为了求得使均方误差最小（因此最贴合目标曲线）的参数 w 0 , w 1 , . . . , w m , w_0,w_1,...,w_m, w0​,w1​,...,wm​,我们需要分别求损失 L L L关于 w 0 , w 1 , . . . , w m w_0,w_1,...,w_m w0​,w1​,...,wm​的导数。为了方便，我们采用线性代数的记法：
X = ( 1 x 1 x 1 2 ⋯ x 1 m 1 x 2 x 2 2 ⋯ x 2 m ⋮ ⋮ 1 x N x N 2 ⋯ x N m ) N × ( m + 1 ) , Y = ( y 1 y 2 ⋮ y N ) N × 1 , W = ( w 0 w 1 ⋮ w m ) ( m + 1 ) × 1 . X=\begin{pmatrix}1 & x_1 & x_1^2 & \cdots & x_1^m\\ 1 & x_2 & x_2^2 & \cdots & x_2^m\\ \vdots & & & &\vdots\\ 1 & x_N & x_N^2 & \cdots & x_N^m\\\end{pmatrix}_{N\times(m+1)},Y=\begin{pmatrix}y_1 \\ y_2 \\ \vdots \\y_N\end{pmatrix}_{N\times1},W=\begin{pmatrix}w_0 \\ w_1 \\ \vdots \\w_m\end{pmatrix}_{(m+1)\times1}. X=⎝ ⎛​11⋮1​x1​x2​xN​​x12​x22​xN2​​⋯⋯⋯​x1m​x2m​⋮xNm​​⎠ ⎞​N×(m+1)​,Y=⎝ ⎛​y1​y2​⋮yN​​⎠ ⎞​N×1​,W=⎝ ⎛​w0​w1​⋮wm​​⎠ ⎞​(m+1)×1​.
在这种表示方法下，有
( f ( x 1 ) f ( x 2 ) ⋮ f ( x N ) ) = X W . \begin{pmatrix}f(x_1)\\ f(x_2) \\ \vdots \\ f(x_N)\end{pmatrix}= XW. ⎝ ⎛​f(x1​)f(x2​)⋮f(xN​)​⎠ ⎞​=XW.
如果有疑问可以自己拿矩阵乘法验证一下。继续，误差项之和可以表示为
( f ( x 1 ) − y 1 f ( x 2 ) − y 2 ⋮ f ( x N ) − y N ) = X W − Y . \begin{pmatrix}f(x_1)-y_1 \\ f(x_2)-y_2 \\ \vdots \\ f(x_N)-y_N\end{pmatrix}=XW-Y. ⎝ ⎛​f(x1​)−y1​f(x2​)−y2​⋮f(xN​)−yN​​⎠ ⎞​=XW−Y.
因此，损失函数
L = ( X W − Y ) T ( X W − Y ) . L=(XW-Y)^T(XW-Y). L=(XW−Y)T(XW−Y).
（为了求得向量 x = ( x 1 , x 2 , . . . , x N ) T \pmb x=(x_1,x_2,...,x_N)^T xx=(x1​,x2​,...,xN​)T各分量的平方和，可以对 x \pmb x xx作内积，即 x T x . \pmb x^T \pmb x. xxTxx.）
为了求得使 L L L最小的 W W W(这个 W W W是一个列向量)，我们需要对 L L L求偏导数，并令其为 0 : 0: 0:
∂ L ∂ W = ∂ ∂ W [ ( X W − Y ) T ( X W − Y ) ] = ∂ ∂ W [ ( W T X T − Y T ) ( X W − Y ) ] = ∂ ∂ W ( W T X T X W − W T X T Y − Y T X W + Y T Y ) = ∂ ∂ W ( W T X T X W − 2 Y T X W + Y T Y ) ( 容易验证 , W T X T Y = Y T X W , 因而可以将其合并 ) = 2 X T X W − 2 X T Y \begin{aligned}\frac{\partial L}{\partial W}&=\frac{\partial}{\partial W}[(XW-Y)^T(XW-Y)]\\ &=\frac{\partial}{\partial W}[(W^TX^T-Y^T)(XW-Y)] \\ &=\frac{\partial}{\partial W}(W^TX^TXW-W^TX^TY-Y^TXW+Y^TY)\\ &=\frac{\partial}{\partial W}(W^TX^TXW-2Y^TXW+Y^TY)(容易验证,W^TX^TY=Y^TXW,因而可以将其合并)\\ &=2X^TXW-2X^TY\end{aligned} ∂W∂L​​=∂W∂​[(XW−Y)T(XW−Y)]=∂W∂​[(WTXT−YT)(XW−Y)]=∂W∂​(WTXTXW−WTXTY−YTXW+YTY)=∂W∂​(WTXTXW−2YTXW+YTY)(容易验证,WTXTY=YTXW,因而可以将其合并)=2XTXW−2XTY​
说明：
（1）从第3行到第4行，由于 W T X T Y W^TX^TY WTXTY和 Y T X W Y^TXW YTXW都是数（或者说 1 × 1 1\times1 1×1矩阵），二者互为转置，因此值相同，可以合并成一项。
（2）从第4行到第5行的矩阵求导，第一项 ∂ ∂ W ( W T ( X T X ) W ) \frac{\partial}{\partial W}(W^T(X^TX)W) ∂W∂​(WT(XTX)W)是一个关于 W W W的二次型，其导数就是 2 X T X W . 2X^TXW. 2XTXW.
（3）对于一次项 − 2 Y T X W -2Y^TXW −2YTXW的求导，如果按照实数域的求导应该得到 − 2 Y T X . -2Y^TX. −2YTX.但检查一下发现矩阵的型对不上，需要做一下转置，变为 − 2 X T Y . -2X^TY. −2XTY.

矩阵求导线性代数课上也没有系统教过，只对这里出现的做一下说明。（多了我也不会 ）
令偏导数为0，得到
X T X W = Y T X , X^TXW=Y^TX, XTXW=YTX,
左乘 ( X T X ) − 1 (X^TX)^{-1} (XTX)−1（ X T X X^TX XTX的可逆性见下方的补充说明），得到
W = ( X T X ) − 1 X T Y . W=(X^TX)^{-1}X^TY. W=(XTX)−1XTY.
这就是我们想求的 W W W的解析解，我们只需要调用函数算出这个值即可。

'''最小二乘求出解析解, m 为多项式次数最小二乘误差为 (XW - Y)^T*(XW - Y)- dataset 数据集- m 多项式次数, 默认为 5'''def fit(dataset, m = 5):    X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T    Y = dataset[:, 1]    return np.dot(np.dot(np.linalg.inv(np.dot(X.T, X)), X.T), Y)

稍微解释一下代码：第一行即生成上面约定的 X X X矩阵，dataset[:,0]即数据集第0列 ( x 1 , x 2 , . . . , x N ) T (x_1,x_2,...,x_N)^T (x1​,x2​,...,xN​)T；第二行即 Y Y Y矩阵；第三行返回上面的解析解。（如果不熟悉python语法或者numpy库还是挺不友好的）

简单地验证一下我们已经完成的函数的结果：为此，我们先写一个draw函数，用于把求得的 W W W对应的多项式 f ( x ) f(x) f(x)画到pyplot库的图像上去：

'''绘制给定系数W的, 在数据集上的多项式函数图像- dataset 数据集- w 通过上面四种方法求得的系数- color 绘制颜色, 默认为 red- label 图像的标签'''def draw(dataset, w, color = 'red', label = ''):    X = np.array([dataset[:, 0] ** i for i in range(len(w))]).T    Y = np.dot(X, w)        plt.plot(dataset[:, 0], Y, c = color, label = label)

然后是主函数：

if __name__ == '__main__':    dataset = get_dataset(bound = (-3, 3))    # 绘制数据集散点图    for [x, y] in dataset:        plt.scatter(x, y, color = 'red')    # 最小二乘    coef1 = fit(dataset)    draw(dataset, coef1, color = 'black', label = 'OLS')    # 绘制图像    plt.legend()    plt.show()

可以看到5次多项式拟合的效果还是比较不错的（数据集每次随机生成，所以跟第一幅图不一样）。

截至这部分全部的代码，后面同名函数不再给出说明：

import numpy as npimport matplotlib.pyplot as plt'''返回数据集，形如[[x_1, y_1], [x_2, y_2], ..., [x_N, y_N]]保证 bound[0] <= x_i < bound[1].- N 数据集大小, 默认为 100- bound 产生数据横坐标的上下界, 应满足 bound[0] < bound[1]'''def get_dataset(N = 100, bound = (0, 10)):    l, r = bound    x = sorted(np.random.rand(N) * (r - l) + l)    y = np.sin(x) + np.random.randn(N) / 5    return np.array([x,y]).T'''最小二乘求出解析解, m 为多项式次数最小二乘误差为 (XW - Y)^T*(XW - Y)- dataset 数据集- m 多项式次数, 默认为 5'''def fit(dataset, m = 5):    X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T    Y = dataset[:, 1]    return np.dot(np.dot(np.linalg.inv(np.dot(X.T, X)), X.T), Y)'''绘制给定系数W的, 在数据集上的多项式函数图像- dataset 数据集- w 通过上面四种方法求得的系数- color 绘制颜色, 默认为 red- label 图像的标签'''def draw(dataset, w, color = 'red', label = ''):    X = np.array([dataset[:, 0] ** i for i in range(len(w))]).T    Y = np.dot(X, w)        plt.plot(dataset[:, 0], Y, c = color, label = label)if __name__ == '__main__':    dataset = get_dataset(bound = (-3, 3))    # 绘制数据集散点图    for [x, y] in dataset:        plt.scatter(x, y, color = 'red')        coef1 = fit(dataset)    draw(dataset, coef1, color = 'black', label = 'OLS')    plt.legend()    plt.show()

补充说明

上面有一块不太严谨：对于一个矩阵 X X X而言， X T X X^TX XTX不一定可逆。然而在本实验中，可以证明其为可逆矩阵。由于这门课不是线性代数课，我们就不费太多篇幅介绍这个了，仅作简单提示：
（1） X X X是一个 N × ( m + 1 ) N\times(m+1) N×(m+1)的矩阵。其中数据数 N N N远大于多项式次数 m m m，有 N > m + 1 ; N>m+1; N>m+1;
（2）为了说明 X T X X^TX XTX可逆，需要说明 ( X T X ) ( m + 1 ) × ( m + 1 ) (X^TX)_{(m+1)\times(m+1)} (XTX)(m+1)×(m+1)​满秩，即 R ( X T X ) = m + 1 ; R(X^TX)=m+1; R(XTX)=m+1;
（3）在线性代数中，我们证明过 R ( X ) = R ( X T ) = R ( X T X ) = R ( X X T ) ; R(X)=R(X^T)=R(X^TX)=R(XX^T); R(X)=R(XT)=R(XTX)=R(XXT);
（4） X X X是一个范德蒙矩阵，由其性质可知其秩等于 m i n { N , m + 1 } = m + 1. min\{N,m+1\}=m+1. min{N,m+1}=m+1.

添加正则项（岭回归）

最小二乘法容易造成过拟合。为了说明这种缺陷，我们用所生成数据集的前50个点进行训练（这样抽样不够均匀，这里只是为了说明过拟合），得出参数，再画出整个函数图像，查看拟合效果：

if __name__ == '__main__':    dataset = get_dataset(bound = (-3, 3))    # 绘制数据集散点图    for [x, y] in dataset:        plt.scatter(x, y, color = 'red')    # 取前50个点进行训练    coef1 = fit(dataset[:50], m = 3)    # 再画出整个数据集上的图像    draw(dataset, coef1, color = 'black', label = 'OLS')

过拟合在 m m m较大时尤为严重（上面图像为 m = 3 m=3 m=3时）。当多项式次数升高时，为了尽可能贴近所给数据集，计算出来的系数的数量级将会越来越大，在未见样本上的表现也就越差。如上图，可以看到拟合在前50个点（大约在横坐标 [ − 3 , 0 ] [-3,0] [−3,0]处）表现很好；而在测试集上表现就很差（ [ 0 , 3 ] [0,3] [0,3]处）。为了防止过拟合，可以引入正则化项。此时损失函数 L L L变为
L = ( X W − Y ) T ( X W − Y ) + λ ∣ ∣ W ∣ ∣ 2 2 L=(XW-Y)^T(XW-Y)+\lambda||W||_2^2 L=(XW−Y)T(XW−Y)+λ∣∣W∣∣22​
其中 ∣ ∣ ⋅ ∣ ∣ 2 2 ||\cdot||_2^2 ∣∣⋅∣∣22​表示 L 2 L_2 L2​范数的平方，在这里即 W T W ; λ W^TW;\lambda WTW;λ为正则化系数。该式子也称岭回归（Ridge Regression）。它的思想是兼顾损失函数与所得参数 W W W的模长（在 L 2 L_2 L2​范数时），防止 W W W内的参数过大。

举个例子(数是随便编的)：当正则化系数为 1 1 1，若方案1在数据集上的平方误差为 0.5 , 0.5, 0.5,此时 W = ( 100 , − 200 , 300 , 150 ) T W=(100,-200,300,150)^T W=(100,−200,300,150)T；方案2在数据集上的平方误差为 10 , 10, 10,此时 W = ( 1 , − 3 , 2 , 1 ) W=(1,-3,2,1) W=(1,−3,2,1),那我们选择方案2的 W . W. W.正则化系数 λ \lambda λ刻画了这种对于 W W W模长的重视程度： λ \lambda λ越大，说明 W W W的模长升高带来的惩罚也就越大。当 λ = 0 , \lambda=0, λ=0,岭回归即变为普通的最小二乘法。与岭回归相似的还有LASSO，就是将正则化项换为 L 1 L_1 L1​范数。

重复上面的推导，我们可以得出解析解为
W = ( X T X + λ E m + 1 ) − 1 X T Y . W=(X^TX+\lambda E_{m+1})^{-1}X^TY. W=(XTX+λEm+1​)−1XTY.
其中 E m + 1 E_{m+1} Em+1​为 m + 1 m+1 m+1阶单位阵。容易得到 ( X T X + λ E m + 1 ) (X^TX+\lambda E_{m+1}) (XTX+λEm+1​)也是可逆的。

该部分代码如下。

'''岭回归求解析解, m 为多项式次数, l 为 lambda 即正则项系数岭回归误差为 (XW - Y)^T*(XW - Y) + λ(W^T)*W- dataset 数据集- m 多项式次数, 默认为 5- l 正则化参数 lambda, 默认为 0.5'''def ridge_regression(dataset, m = 5, l = 0.5):    X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T    Y = dataset[:, 1]    return np.dot(np.dot(np.linalg.inv(np.dot(X.T, X) + l * np.eye(m + 1)), X.T), Y)

两种方法的对比如下：

对比可以看出，岭回归显著减轻了过拟合（此时为 m = 3 , λ = 0.3 m=3,\lambda=0.3 m=3,λ=0.3）。

梯度下降法

梯度下降法并不是求解该问题的最好方法，很容易就无法收敛。先简单介绍梯度下降法的基本思想：若我们想求取复杂函数 f ( x ) f(x) f(x)的最小值（最值点）（这个 x x x可能是向量等），即
x m i n = arg min ⁡ x f ( x ) x_{min}=\argmin_{x}f(x) xmin​=xargmin​f(x)
梯度下降法重复如下操作：
（0）（随机）初始化 x 0 ( t = 0 ) x_0(t=0) x0​(t=0)；
（1）设 f ( x ) f(x) f(x)在 x t x_t xt​处的梯度（当 x x x为一维时，即导数） ∇ f ( x t ) \nabla f(x_t) ∇f(xt​)；
（2） x t + 1 = x t − η ∇ f ( x t ) x_{t+1}=x_t-\eta\nabla f(x_t) xt+1​=xt​−η∇f(xt​)
（3）若 x t + 1 x_{t+1} xt+1​与 x t x_t xt​相差不大（达到预先设定的范围）或迭代次数达到预设上限，停止算法；否则重复（1）（2）.

其中 η \eta η为学习率，它决定了梯度下降的步长。
下面是一个用梯度下降法求取 y = x 2 y=x^2 y=x2的最小值点的示例程序：

import numpy as npimport matplotlib.pyplot as pltdef f(x):    return x ** 2def draw():    x = np.linspace(-3, 3)    y = f(x)    plt.plot(x, y, c = 'red')cnt = 0# 初始化 xx = np.random.rand(1) * 3learning_rate = 0.05while True:    grad = 2 * x    # -----------作图用，非算法部分-----------    plt.scatter(x, f(x), c = 'black')    plt.text(x + 0.3, f(x) + 0.3, str(cnt))    # -------------------------------------    new_x = x - grad * learning_rate    # 判断收敛    if abs(new_x - x) < 1e-3:        break    x = new_x    cnt += 1draw()plt.show()

上图标明了 x x x随着迭代的演进，可以看到 x x x不断沿着正半轴向零点靠近。需要注意的是，学习率不能过大（虽然在上面的程序中，学习率设置得有点小了），需要手动进行尝试调整，否则容易想象， x x x在正负半轴来回震荡，难以收敛。

在最小二乘法中，我们需要优化的函数是损失函数
L = ( X W − Y ) T ( X W − Y ) . L=(XW-Y)^T(XW-Y). L=(XW−Y)T(XW−Y).
下面我们用梯度下降法求解该问题。在上面的推导中，
∂ L ∂ W = 2 X T X W − 2 X T Y , \begin{aligned}\frac{\partial L}{\partial W}=2X^TXW-2X^TY\end{aligned}, ∂W∂L​=2XTXW−2XTY​,
于是我们每次在迭代中对 W W W减去该梯度，直到参数 W W W收敛。不过经过实验，平方误差会使得梯度过大，过程无法收敛，因此采用均方误差(MSE)替换之，就是给原来的式子除以 N N N:

'''梯度下降法(Gradient Descent, GD)求优化解, m 为多项式次数, max_iteration 为最大迭代次数, lr 为学习率注: 此时拟合次数不宜太高(m <= 3), 且数据集的数据范围不能太大(这里设置为(-3, 3)), 否则很难收敛- dataset 数据集- m 多项式次数, 默认为 3(太高会溢出, 无法收敛)- max_iteration 最大迭代次数, 默认为 1000- lr 梯度下降的学习率, 默认为 0.01'''def GD(dataset, m = 3, max_iteration = 1000, lr = 0.01):    # 初始化参数    w = np.random.rand(m + 1)    N = len(dataset)    X = np.array([dataset[:, 0] ** i for i in range(len(w))]).T    Y = dataset[:, 1]    try:        for i in range(max_iteration):            pred_Y = np.dot(X, w)            # 均方误差（省略系数2）            grad = np.dot(X.T, pred_Y - Y) / N            w -= lr * grad    '''    为了能捕获这个溢出的 Warning，需要import warnings并在主程序中加上：    warnings.simplefilter('error')    '''    except RuntimeWarning:        print('梯度下降法溢出, 无法收敛')    return w

这时如果 m m m设置得稍微大一点（比如4），在迭代过程中梯度就会溢出，使参数无法收敛。在收敛时，拟合效果还算可以：

共轭梯度法

共轭梯度法（Conjugate Gradients）可以用来求解形如 A x = b A\pmb x=\pmb b Axx=bb的方程组，或最小化二次型 f ( x ) = 1 2 x T A x − b T x + c . f(\pmb x)=\frac12\pmb x^TA\pmb x-\pmb b^T \pmb x+c. f(xx)=21​xxTAxx−bbTxx+c.（可以证明对于正定的 A A A,二者等价）其中 A A A为正定矩阵。在本问题中，我们要求解 X T X W = Y T X , X^TXW=Y^TX, XTXW=YTX,
就有 A ( m + 1 ) × ( m + 1 ) = X T X , b = Y T . A_{(m+1)\times(m+1)}=X^TX,\pmb b=Y^T. A(m+1)×(m+1)​=XTX,bb=YT.若我们想加一个正则项，就变成求解
( X T X + λ E ) W = Y T X . (X^TX+\lambda E)W=Y^TX. (XTX+λE)W=YTX.
首先说明一点： X T X X^TX XTX不一定是正定的但一定是半正定的（证明见此）。但是在实验中我们基本不用担心这个问题，因为 X T X X^TX XTX有极大可能是正定的，我们只在代码中加一个断言（assert），不多关注这个条件。
共轭梯度法的思想来龙去脉和证明过程比较长，可以参考这个系列，这里只给出算法步骤（在上面链接的第三篇开头）：

（0）初始化 x ( 0 ) ; x_{(0)}; x(0)​;
（1）初始化 d ( 0 ) = r ( 0 ) = b − A x ( 0 ) ; d_{(0)}=r_{(0)}=b-Ax_{(0)}; d(0)​=r(0)​=b−Ax(0)​;
（2）令 α ( i ) = r ( i ) T r ( i ) d ( i ) T A d ( i ) ; \alpha_{(i)}=\frac{r_{(i)}^Tr_{(i)}}{d_{(i)}^TAd_{(i)}}; α(i)​=d(i)T​Ad(i)​r(i)T​r(i)​​;
（3）迭代 x ( i + 1 ) = x ( i ) + α ( i ) d ( i ) ; x_{(i+1)}=x_{(i)}+\alpha_{(i)}d_{(i)}; x(i+1)​=x(i)​+α(i)​d(i)​;
（4）令 r ( i + 1 ) = r ( i ) − α ( i ) A d ( i ) ; r_{(i+1)}=r_{(i)}-\alpha_{(i)}Ad_{(i)}; r(i+1)​=r(i)​−α(i)​Ad(i)​;
（5）令 β ( i + 1 ) = r ( i + 1 ) T r ( i + 1 ) r ( i ) T r ( i ) , d ( i + 1 ) = r ( i + 1 ) + β ( i + 1 ) d ( i ) . \beta_{(i+1)}=\frac{r_{(i+1)}^Tr_{(i+1)}}{r_{(i)}^Tr_{(i)}},d_{(i+1)}=r_{(i+1)}+\beta_{(i+1)}d_{(i)}. β(i+1)​=r(i)T​r(i)​r(i+1)T​r(i+1)​​,d(i+1)​=r(i+1)​+β(i+1)​d(i)​.
（6）当 ∣ ∣ r ( i ) ∣ ∣ ∣ ∣ r ( 0 ) ∣ ∣ < ϵ \frac{||r_{(i)}||}{||r_{(0)}||}<\epsilon ∣∣r(0)​∣∣∣∣r(i)​∣∣​<ϵ时，停止算法；否则继续从（2）开始迭代。 ϵ \epsilon ϵ为预先设定好的很小的值，我这里取的是 1 0 − 5 . 10^{-5}. 10−5.
下面我们按照这个过程实现代码：

'''共轭梯度法(Conjugate Gradients, CG)求优化解, m 为多项式次数- dataset 数据集- m 多项式次数, 默认为 5- regularize 正则化参数, 若为 0 则不进行正则化'''def CG(dataset, m = 5, regularize = 0):    X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T    A = np.dot(X.T, X) + regularize * np.eye(m + 1)    assert np.all(np.linalg.eigvals(A) > 0), '矩阵不满足正定!'    b = np.dot(X.T, dataset[:, 1])    w = np.random.rand(m + 1)    epsilon = 1e-5    # 初始化参数    d = r = b - np.dot(A, w)    r0 = r    while True:        alpha = np.dot(r.T, r) / np.dot(np.dot(d, A), d)        w += alpha * d        new_r = r - alpha * np.dot(A, d)        beta = np.dot(new_r.T, new_r) / np.dot(r.T, r)        d = beta * d + new_r        r = new_r        # 基本收敛，停止迭代        if np.linalg.norm(r) / np.linalg.norm(r0) < epsilon:            break    return w

相比于朴素的梯度下降法，共轭梯度法收敛迅速且稳定。不过在多项式次数增加时拟合效果会变差：在 m = 7 m=7 m=7时，其与最小二乘法对比如下：

此时，仍然可以通过正则项部分缓解（图为 m = 7 , λ = 1 m=7,\lambda=1 m=7,λ=1）：

最后附上四种方法的拟合图像（基本都一样）和主函数，可以根据实验要求调整参数：

if __name__ == '__main__':    warnings.simplefilter('error')    dataset = get_dataset(bound = (-3, 3))    # 绘制数据集散点图    for [x, y] in dataset:        plt.scatter(x, y, color = 'red')            # 最小二乘法    coef1 = fit(dataset)    # 岭回归    coef2 = ridge_regression(dataset)    # 梯度下降法    coef3 = GD(dataset, m = 3)    # 共轭梯度法    coef4 = CG(dataset)        # 绘制出四种方法的曲线    draw(dataset, coef1, color = 'red', label = 'OLS')    draw(dataset, coef2, color = 'black', label = 'Ridge')    draw(dataset, coef3, color = 'purple', label = 'GD')    draw(dataset, coef4, color = 'green', label = 'CG(lambda:0)')    # 绘制标签, 显示图像    plt.legend()    plt.show()