Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.
Làm sao vẽ một đường thẳng 'hợp nhất' qua một đám điểm dữ liệu? Bạn thử trước bằng mắt, rồi so với cách máy tính tìm đường tối ưu.
lesson46 minML cơ bảnAI Foundation
Thử đoán
Predict first
Bạn bán phở. Nhật ký cả tuần cho thấy: trời 35°C bán 80 tô, trời 25°C bán 120 tô, trời 18°C bán 150 tô. Ngày mai dự báo 30°C — bạn nấu bao nhiêu?
Hãy tưởng tượng bạn đang đứng trước một đám chấm dữ liệu bừa bộn trên giấy. Câu hỏi triệu đô: làm sao vẽ một đường thẳng “hợp nhất” đi qua tất cả? Bạn thử bằng mắt trước, rồi so với cách thuật toán giải.
Ẩn dụ — quy luật “mỗi lần tăng X thì Y thay đổi bao nhiêu”
Đi ăn cưới, bạn để ý: quãng đường càng xa, tiền xăng càng nhiều. Mỗi km thêm bao nhiêu tiền? Đây là quy luật tuyến tính — khi một thứ tăng, thứ kia tăng (hoặc giảm) theo một nhịp cố định. Hồi quy tuyến tính là công cụ máy dùng để tự học ra con số nhịp đó từ dữ liệu quan sát.
Ví dụ
Quy luật
Bia hơi Tạ Hiện
Nhiệt độ càng cao → bán càng chạy. Biến cảm giác thành một công thức đo được.
Phòng trọ HUST
Diện tích tăng → giá tăng. Máy học được “mỗi m² đắt thêm bao tiền”.
Điểm thi đại học
Giờ học thêm tăng → điểm kỳ vọng tăng. Nhịp cụ thể là bao nhiêu? Hồi quy trả lời.
Khám phá — thử vẽ đường bằng mắt
Thử chọn độ dốc và điểm chặn sao cho đường “hợp” nhất với đám điểm. Sau đó so với đường tối ưu mà máy tìm được.
Tham số
Ý nghĩa
Độ dốc (slope)
−1 = giảm mạnh, 0 = ngang, +1 = tăng mạnh
Điểm chặn (intercept)
Giá trị 0 nằm trên cao, 160 ở giữa, 320 ở dưới đáy của đồ thị
Khoảnh khắc Aha
Hồi quy tuyến tính không phải phép màu. Nó chỉ là bài toán đơn giản: “tìm cặp (slope, intercept) làm tổng bình phương sai số nhỏ nhất”.
Bạn có thể thử bằng tay cho 5 điểm. Máy làm được chuyện đó cho 5 triệu điểm trong tích tắc.
Đi sâu — máy tìm đường tối ưu như thế nào?
Đừng lo công thức. Chỉ cần nắm ý tưởng: tính sai số từng điểm → bình phương rồi cộng lại → tìm đường làm tổng nhỏ nhất.
Bước 1: sai số một điểm
Lấy một điểm cụ thể: x = 100, giá trị thực y = 235. Đường thẳng giả định y = −0,5·x + 300 dự đoán ŷ = 250. Sai số (residual) = y − ŷ = 235 − 250 = −15. Dấu âm nghĩa là đường dự đoán cao hơn giá trị thực.
x
y thực
ŷ dự đoán
Sai số (y − ŷ)
Bình phương
100
235
250
−15
225
Có nhiều điểm thì làm sao? Bình phương từng sai số rồi cộng lại. Bình phương giúp hai việc: (1) bỏ dấu âm — âm hay dương đều đáng lo như nhau; (2) phạt nặng các sai số lớn — một sai số gấp đôi thì đóng góp gấp bốn.
Mỗi đường thẳng khác nhau cho một tổng bình phương sai số khác nhau. Hồi quy tuyến tính chính là đi tìm một đường thẳng duy nhất mà tổng ấy nhỏ nhất. Toán giúp chúng ta giải bài này mà không phải thử từng đường.
Nếu vẽ tổng sai số bình phương theo độ dốc, bạn sẽ được một parabol. Máy tìm đáy parabol ấy — chính là bộ (slope, intercept) tối ưu.
Thử thách
Giải thích
Hồi quy tuyến tính tìm đường thẳng “hợp nhất” với dữ liệu bằng phương pháp bình phương tối thiểu (OLS — Ordinary Least Squares). Ba công thức dưới đây kèm giải thích bằng tiếng Việt ngay bên dưới.
1. Phương trình đường thẳng
y^=w1⋅x+w0
Đọc: giá trị dự đoán bằng độ dốc nhân với đầu vào cộng điểm chặn. w₁ nói “x tăng 1 đơn vị thì ŷ tăng bao nhiêu”. w₀ là giá trị ŷ khi x = 0 — nơi đường cắt trục y. Toàn bộ bài toán hồi quy là tìm đúng cặp (w₁, w₀).
2. Thước đo chất lượng — MSE (Mean Squared Error)
MSE=n1i=1∑n(yi−y^i)2
Đọc: với mỗi điểm, lấy sai số (thực − dự đoán), bình phương, rồi lấy trung bình toàn bộ. Bình phương làm hai việc: bỏ dấu âm (sai trên hay sai dưới đều là sai) và phạt nặng các sai số lớn. MSE càng nhỏ, đường càng sát dữ liệu.
3. Lời giải đóng — cách máy tìm (w₀, w₁) không cần đoán
Đọc: công thức này cho biết lời giải tối ưu có dạng đóng, không cần thử hàng triệu đường. Máy tính (w₁, w₀) chỉ từ các tổng Σxy, Σx, Σy, Σx². Với dữ liệu hàng tỷ mẫu, người ta dùng gradient descent thay vì công thức đóng, nhưng ý tưởng vẫn là: đi tìm đáy parabol của hàm MSE.
Vì sao đây là mô hình ML đầu tiên mọi người học?
Vì nó là mô hình đơn giản nhất đủ tốt cho rất nhiều bài toán thực. Nó huấn luyện cực nhanh (dưới 1 giây cho triệu mẫu), dễ giải thích (một con số cho mỗi feature), ổn định (cùng dữ liệu → cùng kết quả) và đạt chuẩn pháp lý cho các ngành cần minh bạch (ngân hàng, bảo hiểm, y tế).
Rất đáng để học sâu hơn. Khi bạn học mạng nơ-ron sau này, tầng cuối cùng của mạng rất hay là một “linear layer” — chính là hồi quy tuyến tính trá hình. Nắm chắc ý tưởng này là nắm chắc nền tảng cho gần như mọi mô hình ML hiện đại.
Nhiều biến thì sao? — từ đường thẳng thành siêu phẳng
Khi có nhiều đặc trưng (diện tích, số phòng, tuổi nhà, hướng), công thức mở rộng thành: ŷ = w₀ + w₁·x₁ + w₂·x₂ + ... + w_d·x_d. Thay vì một đường thẳng, bạn có một mặt phẳng nhiều chiều đi qua đám điểm dữ liệu. Ý tưởng không đổi: tìm bộ (w₀, w₁, ..., w_d) làm tổng bình phương sai số nhỏ nhất.
Hệ số
Ý nghĩa
w_diện_tích = 0,04
Căn thêm 1 m² thì giá tăng 0,04 tỷ VNĐ (40 triệu), giữ các biến khác không đổi.
w_phòng_ngủ = 0,3
Thêm một phòng ngủ thì giá tăng 0,3 tỷ, giữ các biến khác không đổi.
w_tuổi_nhà = −0,03
Căn già thêm 1 năm thì giá giảm 0,03 tỷ. Dấu âm = “tăng biến này, giảm biến kia”.
Bốn bước kinh điển khi triển khai hồi quy
Quy trình
1 / 4
1. 1. Thu thập và làm sạch
Loại bỏ mẫu thiếu thông tin, kiểm tra ngoại lai rõ ràng. Dữ liệu bẩn = mô hình bẩn, bất kể thuật toán giỏi đến đâu.
Regularization — khi hồi quy cần “dây cương”
Khi có nhiều biến mà dữ liệu ít, hồi quy dễ overfit. Hai mở rộng quan trọng là Ridge (thêm phạt L2: tổng bình phương các hệ số không được quá lớn) và Lasso (thêm phạt L1: một số hệ số bị ép về 0, tự động chọn biến quan trọng).
Ý tưởng chung: không chỉ yêu cầu MSE nhỏ, mà còn yêu cầu mô hình “đơn giản”. Đơn giản đồng nghĩa khái quát tốt hơn với dữ liệu mới. Xem overfitting và underfitting để đi sâu.
Hồi quy tuyến tính cũng có hạn chế: nó chỉ vẽ được đường thẳng. Nếu dữ liệu thực sự có dạng cong, bạn cần hồi quy đa thức. Nếu đầu ra là xác suất 0–1, bạn cần hồi quy logistic. Nếu có quá nhiều biến, người ta thêm regularization để tránh overfit.
Tóm tắt và kiểm tra
Mục tiêu: tìm đường thẳng ŷ = w₁·x + w₀ khớp nhất với dữ liệu.
Thước đo: MSE — trung bình bình phương sai số. Nhỏ hơn = đường sát hơn.
Có công thức đóng: máy tính (w₁, w₀) tối ưu ngay lập tức với dữ liệu nhỏ; với dữ liệu lớn dùng gradient descent.
Nhạy cảm với ngoại lai: một điểm lệch xa có thể kéo cả đường.
Chỉ bắt được quan hệ đường thẳng. Dữ liệu cong → cần mô hình khác.