• 经验风险最小化


    学习理论:

    • 偏差方差权衡(Bias/variance tradeoff)
    • 训练误差和一般误差(Training error & generation error)
    • 经验风险最小化(Empiried risk minization)
    • 联合界引理和Hoeffding不等式(Union bound & Hoeffding inequality)
    • 有限与无限假设类的讨论(Discuss on finite and infinite hypothesis class)

    一、偏差方差权衡

    1. 偏差与方差

         回顾之前在讨论线性回归问题时,通常存在以下三种情况:

    • 图1,用一条直线拟合一个呈现二次结构的散点,无论训练样本怎样增多,一次函数都无法准确地表示出二次函数。我们认为它具有高偏差(high bias),表现出欠拟合(underfit)
    • 图3,用一条五次多项式函数来拟合数据,对于数据的结果,得到的仍然不是一个好的模型,算法拟合出了数据中的一些奇怪规律。我们认为它具有高方差(high variance),表现出过拟合(overfit)
    • 图2,用一条二次函数来拟合数据,很显然能够匹配数据集合的一般规律。

         偏差与方差之间存在某种平衡。如果模型过于简单且参数较少,它可能有高偏差(低方差);相反,如果模型过于复杂且参数众多,它可能有高方差(低偏差)。它们之间究竟存在怎样的关系呢?为了说明这个问题,先要提出一个更为一般的机器学习模型——经验风险最小化,在正式介绍该模型之前,需要对两个引理有所了解来帮助理解。

    2. 两个引理

       为了解释偏差方差权衡现象,需要引出两个引理:联合界引理和Hoeffding不等式。

     (1)联合界引理

      

        这个引理常作为概率论的公理,k个事件中任意事件发生的概率最多为每个事件独立发生的概率之和。其中,事件可能发生,也可能不发生。

     (2)Hoeffding不等式

       

         这个引理在学习理论中也称为Chernoff边界(Chernoff bound),给出了一种估计伯努利随机变量均值时,错误概率的上界。关于这个上界有个很有意思的结论:随着样本数目m增大,高斯分布的凸性会随之收缩,也就是高斯分布的尾部会变小,中间隆起。举个例子,当你投掷一枚两面的硬币,人像面朝上的概率为Φ,在投掷m次(m足够大)后,计算人像面朝上的次数是一种很好的估计Φ值的方法。

    3. 两个误差

        介绍两个学习理论中十分重要的概念:训练误差与一般误差。

     (1)训练误差

        考虑二元分类y∈{0,1},给定训练集合S={(x(i),y(i));i=1,2,...,m},训练样本服从独立同分布D,对于一个假设函数h,我们定义训练误差(Training error),也叫作经验风险(empirical risk)或经验误差(empirical error):

       

     (2)一般误差

       一般误差(Generation error)定义为:

     

       它表示当从服从分布D的样本集合中取出一个样本(x,y),假设函数h将会分类错误的概率。

    4. 经验风险最小化

       以线性分类器为例,它的假设函数可以写成:

       

       拟合参数θ的一个方法是求解目标函数使训练误差最小。

      

       这个过程被称作经验风险最小化(ERM-empirical risk minimization),它是简化的机器学习模型,逻辑回归和支持向量机可以看作为这个非凸优化问题的凸性近似。

    二、假设类

    1. 假设类的定义

         假设类(hypothesis class)为学习算法建立的所有分类器的集合。如线性分类器中,假设类H是输入范围X上所有分类器的集合;在神经网络中,假设类H是由一些神经网络结构表示的所有分类器的集合。

         线性分类器的假设类H为:

         

         经验风险最小化要做的是给定训练集合,从这k个函数中选取一个使得训练误差最小:

       

    2. 有限假设类情形

        首先考虑有限假设类的情况,H={h1,...,hk}为有k个假设函数的假设类,也就是由k个从X映射到{0,1}的函数组成。接下来,要证明一般误差与最小误差之间是有上界的,简单地说,当训练误差很小时,一般误差也不会很大。

        证明策略:

    • 训练误差是一般误差很好的估计;
    • EMR输出假设的一般误差存在上界。

        证明过程:

    (1)一致收敛概率界:

         a. 固定假设成立

    • 前提条件:考虑一个假设类H中的任意固定的假设hi∈H,定义服从伯努利分布D的随机变量Z=1{hi(x)≠y},表示第i个假设函数对样本错误分类的指示函数的值,其中Zj=1{hi(x(j))≠y(j)}。那么P(Zj=1)=ε(hj),表示由分布D产生一个训练样本,假设对该样本错误分类的概率,也就是假设hj的一般误差。故Zj为一个伯努利随机变量,均值为ε(hj)。ε(h)为随机变量Z(或Zj)的期望值,训练误差为m个独立同分布伯努利随机变量Zj的平均值,每个样本都是由均值为一般误差ε(hj)的伯努利分布生成。

          

    • 利用Hoeffding不等式可以得到:

          

           上式说明,给定一个假设hi,训练误差与一般误差之间差异大于γ的概率有上界,即训练误差将会以很大的概率接近于一般误差。当m很大时,训练误差与一般误差之间的差异就很小。但是到目前为止,只证明了针对某个固定假设,两种误差之间的差异存在上界。由于最终我们要证明训练误差是一般误差很好的估计,故还需要证明在整个假设类H上任意一个h都满足这个条件。

          b. 任意假设成立

           假设Ai表示的事件,已经证明对于任意的Ai,

           利用联合界引理可以得到:

           

          同时用1减去两边得到:

         

          上式说明,在不小于概率的情况下,对于假设类H中的所有hi,两个误差之间的差异将会在γ之内,这就是一致收敛(uniform convergence)。当m很大时,所有的训练误差将收敛于一般误差,即所有训练误差与一般误差都十分接近。

    (2)样本复杂度界:

          给定γ和δ,m的值是多少?

          

          求解m的值得:

           

          只要样本数目m大于上式,对于任意的假设h,就能保证训练误差与一般误差之间的差异都在γ之内的概率至少是1-δ,称为样本复杂度界(Sample complexity bound)

          m与logk呈正比,而logk增长的十分缓慢,随着k的不断增大,样本数目不会有太大的提高。

    (3)误差界:

           固定m和δ,求解γ的值。至少在1-δ的概率下,对于所有假设类中的假设有:

          

          γ的值为不等式右边的值

         假设一致收敛成立,所有h∈H,都满足:

        

         接下来要推导出H中具有最小训练误差假设的一般误差。并定义h*,H中具有最小一般误差的假设。

         

         

         h*是最理想的情况,学习算法就算再好也不会比h*好,因此将学习算法与之比较是有意义的。

         

         定理:令H为有限的假设类,|H|>k,令m和δ固定,至少在1-δ的概率下,我们有:

        

         设γ的值为,由一致收敛结果,至少在1-δ的概率下,ε(h)至少比ε(h*)要高2γ。这个结论可以很好地帮助我们量化偏差方差权衡的问题。

         如果选择更复杂的目标函数或更多特征的类H’,例如,将线性假设类换成二次假设类,假设类中最好的假设只可能更好,不等式右边的第一项(偏差bias)会减小,但代价是k会增加,从而第二项(方差variance)增加,这就是偏差方差权衡,可以用下图更具体的描述。

        

          随着模型复杂度(如多项式的次数、假设类的大小等)的增长,训练误差逐渐降低,而一般误差先降低到最低点再重新增长。训练误差降低,是因为模型越复杂,对于训练集合的拟合就越好。对于一般误差,最左边的端点表示欠拟合(高偏差),最右边的端点表示过拟合(高方差),最小化一般误差时,一般倾向于选取中间的模型复杂度,最小一般误差的区域。

         最后介绍上述定理的Corollary推论

         令假设类含有k个假设,|H|=k,给定γ和δ,为了保证:

        

         至少在1-δ的概率下,满足条件:

         

    3. 无限假设类情形

        根据Corollary推论,定义了为满足误差率所需的样本数目的界,与样本复杂度有关的结论。接下来要把它推广到无限假设类的情形。

        H以d个实数为参数,例如使用逻辑回归,解决包含n个特征的问题,d应该为n+1,所以逻辑回归会找到一个线性决策边界,以n+1个实数为参数。在计算机中用双精度浮点数64bit表示一个实数,那么此时用64d个位来表示参数,具有64d个状态,,为了满足这个条件,m符合:

       

        训练样本的数目大致和假设类的参数数目呈线性关系。这个论点并不是充分的,只是用来加深直观的理解。

     (1)分散的定义

        给定d个样本的集合S={x(1),...,x(d)},假设类H可以分散S,那么对于S的任意一种标记方式都可以从H中找到一个假设h能够对S的d个样本进行完美预测。

    • H={二维上的线性分类器}

        

    • H={三维上的线性分类器}

     

      (2)VC维

           给定一个假设类H,定义VC维(Vapnik-Chervonenkis dimension),记作VC(H),表示能够被H分散最大集合的大小。如果一个假设类可以分散任意大的集合,那么它的VC维维无穷大。

           若H是所有二维线性分类器构成的假设类,VC(H)=3。即使也有几个特例例外,不过这并不影响整体。

       

           推广到一般情形,对于任意维度,线性分类器是n维的,也就是n维假设类对应的VC维度为n+1。

           定理:给定一个假设类H,令VC(H)=d,至少在1-δ的概率下,对于任意h∈H有如下结论:

          

           因此,至少在1-δ的概率下,以下结论也成立:

          

          第一个结论说明一般误差与训练误差之间的差异存在上界,由不等式右边的式子O()限定。第二个结论说明,若一般误差与训练误差相差不大的情况下,那么选择的假设的一般误差与最好的一般误差之间的差异最多是O()。

          Corollary:为了保证对于所有的h∈H有,也就是,至少在1-δ的概率下,要满足: 

          也就是为了保证一般误差与训练误差的差异足够小,假设类的VC维需要与m的阶相同。对于EMR来说,需要训练的样本数目大概和假设类的VC维呈线性关系,样本复杂度的上界由VC维给定,最坏的情况下,样本复杂度的上下界均由VC维确定。对于大多数合理的假设类,VC维总是与模型的参数成正比。而事实上,样本数目与模型参数数量也成线性关系。

          在SVM中,核函数将特征映射到无限维的特征空间,看似VC维度是无穷大的,因为它是n+1,而n为无穷大。事实证明:具有较大间隔的线性分类器假设类都有比较低的VC维。

          若,则

          仅包含较大间隔线性分类器假设类的VC维是有上界的,且上界并不依赖于x的维度。SVM会自动找到一个具有较小VC维的假设类,不会出现过拟合。

          最后,结合上述内容解释ERM与之前学习过的学习算法之间的联系。

         

          最理想的分类器是一个指示函数(阶梯函数),不是一个凸函数,事实证明线性分类器使训练误差最小是一个NP难问题。逻辑回归与支持向量机都可以看作是这个问题(ERM)的凸性近似。逻辑回归一般采用极大似然性,如果加入负号就可以得到图中的曲线,实际上是近似地在最小化训练误差,它是ERM的一种近似。同时,支持向量机也可以看作是ERM的一种近似,不同的是它尝试用两段不同的线性函数近似,看似是铰链的形状。

  • 相关阅读:
    GO 锁
    GO worker pool
    GO sync.Once
    GO channel
    Go sync.Map
    GO select
    GO atomic包
    GO sync.WaitGroup
    ActivatorUtilities.CreateInstance用于各种激活器服务的帮助程序代码。
    IQueryable简单分页的扩展方法
  • 原文地址:https://www.cnblogs.com/wallacup/p/6071515.html
Copyright © 2020-2023  润新知