1. Introduction
1.1 大纲
- 贝叶斯
- SVM
- Unsupervised Learning & Clustering
- Algorithm-independent ML
- Application & Examples
1.2 PR ?
- 定义:输入原数据,提取它潜在的模式,并对模式做分类
- 目标:(1)对原数据去噪声;(2)建立若干model来近似描述数据背后对应的的真实概率分布;(3)选择一个能最佳近似的model, 并且基于最佳model 对数据中存在的若干模式进行分类
1.3 ML ?
- 基于数据开发一类可以依靠数据进行自我进化的算法
- 自动化地执行模式识别和制定决策
1.4 PR vs. ML
- PR: 问题的范畴,ML: 工具(方法)的范畴
1.5 "学习"的定义
-
定义任务T,性能度量P和训练经验E,如果计算机程序,在T上,以P衡量的性能,随着经验E而自我完善,则称这个计算机程序从经验E中学习
1.6 Pattern ?
-
混沌的反义词,它是一个有名称标识的实体
1.7 Pattern Class ?
-
两类差异:类间差异(同一类)和类别差异(不同类)
-
不同类别的描述:数学形式化(比如, 概率密度分布, i.e. probability density like Gaussian)
-
分类中的两类错误:
- FP: 错误地把原本是负类的样本判定为正类
- FN: 错误地把原本是正类的样本判定为负类
-
防止模型过拟合与提高模型的泛化性
1.8 设计 PR system
-
流程
-
Design Cycle
-
注意事项
-
噪声
-
特征提取
-
-
模式的表达 (Pattern Representation)
-
模型选择问题
-
模型过拟合问题
-
模型的泛化性
-
计算复杂度
2. 贝叶斯
2.1 背景知识
-
先验与后验概率:P(x) and P(y|x), 【注意:p(x|y)是类条件概率】
-
条件概率,全概率公式(略)
-
贝叶斯公式:条件概率的变形
-
分别基于先验p(yi)和后验概率p(yi|x) = bayes... 决策
这里提到一个概念:似然likelihood到底是什么?见这张图:(似然的含义是:在已知x属于类别wi的条件下,x发生的概率)
-
后验概率具体是啥?举个例子,
-
-
一个例题:利用贝叶斯公式,求 P(Ci|x)
- 确定先验P(Ci),easy,分别统计每个类别Ci包含的x的数量
- 确定likilihood P(x|Ci),分别考虑不同类别Ci条件下,x的分布直方图
- 确定evidence P(x),借助上面求的分量,以及全概率公式
2.2 更一般化的贝叶斯
-
条件风险:某个决策选择Wi的风险的条件即p(Wi|x)
-
- 注:此处的w & a 的物理含义: w是真实标签,w0表示真实label为第0-th 类,w1即 1-th 类;而a表示 PR system的输出结果即所谓的决策行为,a0表示预测类别是第0-th 类,a1即预测结果为第 1-th 类
-
所以依据min R 制定决策:
-
一种特殊的情况,
-
由贝叶斯准则引出的具体的决策准则:
- 假设P(x|Ci)这个likelihood服从多元混合高斯分布 (多元强调x是一个高维vector,混合强调的是多个高斯分布然后通过线性加权的方式组合起来) 的假设下,做各种case下(关于多元高斯的两个参数做各种假设) 的判别函数与决策边界的推导,下面记录几个我认为的重难点
-
Case 1:
-
- 核心是:假设每个高斯的sigma 相同且为常数
-
- 这个gi(x)前面就已经充分讨论过,P(x|wi)的自变量还是x,wi不参与概率密度的公式
-
有问题,如下:
- 回答:
- q1 显然
- q2 描述的是:我的分界面(线)与 两个高斯分布即P(W0|x)与P(W1|x)的均值点的连线(因为高斯是一个球形分布,球心就是均值点)垂直,可以画图示意
- q3 描述的是:点恰好落在分界面上
- q4 描述的是:x0处于分界面上,x0更偏向于“体积更小”的那个高斯 (待验证)
- q5 我的猜测是:因为delta很小,取平方后会更小(比如,0.0001),作为乘积因子,导致第二项很小,就减低了 P(Wi)的作用
- 回答:
-
-
Case 2:
-
若干问题,
-
突然对高斯分布的参数对于形状的影响,有个物理上的理解:均值决定这个高斯分布的中心的location,而方差决定这个高斯分布的形状是【高瘦还是矮胖,是圆形还是椭圆】
-
Case 3:
-
有点复杂,暂时不讨论了
2.3 贝叶斯置信网
-
作用:描述事件之间的概率依赖,最终求联合分布,也可以求其他单个事件的概率
-
example-1
-
example-2
-
-
Bayesian Inference
-
Naive Bayes
-
一些issue
-
不符合独立性假设的,需要其他模型
-
如果出现属性缺失,需处理
-
分子为0,需要加入 平滑项(一个额外的参数)
-
如果X的属性非离散,则:
-
-
Conclusion
3. Logistric Regression & CRF
3.1 LR (本质是classification)
-
简单理解:
- 二分类
-
多分类
-
训练(参数估计-极大似然估计)
3.2 CRF
-
几个问题:
-
Markov property:属性之间彼此独立
-
MM(马尔科夫模型)与HMM(隐含马尔科夫模型)的区别:后者考虑了观测状态是由隐状态决定的
-
CRF与HMM的区别:将HMM中的马尔科夫性(属性之间彼此独立)升级为N-阶条件概率依赖
-
-
直观理解CRF
-
数学化
-
训练(参数估计-最大似然估计)
-
测试inference
-
CRF还没完全搞懂,有空再TODO
4. SVM
4.1 LLSVM
- 本质:
- 最大间隔的线性分类器
- 只有 support vectors 是对模型有作用的(其他点没有贡献),小样本统计学习
- 数学形式化
- Kernel Trick
- Introduce to SVR
- Some important ingredients of SVMs
- Support Vectors
- Loss function
- The selection of Hyperparameters
- Support Vectors
5. Clustering
5.1 Unsupervised Learning & Cluster Analysis
5.2 k-means & Fuzzy k-means
-
k-means:
-
本质是一个交替优化的过程,初始化c个质心(mu1, mu2, ... muc),循环进行交替优化直至停止条件:(1)根据质心重新扫描距离它最近的点并加入它所属的类别,(2)根据更新后类的所有点,计算新的质心
-
细节:
- 初始化质心:具体选几个质心?如何选择每一个?
- 计算新的质心:计算当前类所有点的均值
- 距离度量:欧式距离,余弦距离,相似度(泛化的定义)
- 停止条件:质心不再发生大的变化或者迭代次数
-
算法复杂度:o(T * c * n * d),迭代次数 * num_class * num_point * num_feature
-
一个难题:如何初始化质心(选几个?怎么选?)
-
聚类效果的评价指标
-
二分k-means
-
-
Fuzzy k-means
5.3 Theory
- Mixture Densities and Identifiability
-
- 上图的内涵是:(1)任意一个混合密度都能分解为:多个分量密度的线性加权求和,权重是P(Wj),分量密度是p(x|Wj),模型参数是theta
- 如何做分类呢?一旦求解出了模型参数theta,首先将p(x)分解为c个p(x|Wj),然后再利用贝叶斯设计最大后验分类器(MAP)
-
- Maximum Likelihood Estimates
- Application to Normal Mixtures
5.4 Data description and Clustering
-
Data description
-
Clustering
-
Similarity measure
-
Criterion function
-
Iterative Optimization
-
本质是和k-means的交替优化相同,反复循环下面两个:(1)得到一个划分,(2)重新更新所有点所属的划分,监督信号是:更新后的划分要使准则函数值performance更好
- 这种爬山算法通用的问题是:如何选取初始点,一个简单的策略,随机选取多个初始点并各自运算,最终综合所有的结果(比如求均值)
-
-
Hierarchical clustering
- Difinition
- Algorithm
- Difinition
-
Semi-supervised ( classification + clustering )
6. Algorithm-independent ML
6.1 与算法无关的具体内涵
- 数学基础不依赖于所采用的特定分类器和特定学习算法
- 可以与不同的学习算法组合使用
6.2 NFL & Ugly Ducking Thorem & Occam razor
- NFL(No Free Lunch): (1) 学习算法必须要做与问题领域相关的假设才能由于其他算法,完全无任何假设条件下,所有算法的效果是相同的; (2)不存在万能算法,任何算法都只能在它能很好匹配的问题领域优于其他算法
- Ducking Thorem: 不存在与问题无关的“最好的”特征或者属性,再次比较一定要基于具体问题
- Occam razor: 除非有必要,否则越简单越好
6.3 Resampling for estimating statistics
- Bias and Variance
- Jackknife
- Bootstrap
6.4 Resampling for classifier design
- Bagging
- Bagging = Bootstrap + aggregation
- Boosting
- Boosting的核心理念是:(1)串行依次堆叠多个分类器,(2)下一个分类器将重点放在上一个分类器分错的样本点上,期待纠正上一个分类器犯的错误
- AdaBoost
-
- 注意:我个人的疑惑和反思:从Adaboost的思路来讲,必须要确保 E_k < 1/2,不然下面的权重更新公式就出现逻辑矛盾(正确分类的点的权重乘了一个大于1的放大因子,错误分类的点的权重反而乘了一个小于1的缩小因子)
-
6.5 Estimating and comparing classifiers
- Cross validation
- k-fold即要数据集D分成k组,每次留一组作为validation set,其他组作为training set,所以形成k个子数据集
- Jackknife and Bootstrap Estimation of Classification
- 即留一法,k==n(n是训练集D的样本数目)