DeepLearning学习笔记-回归-分类-梯度下降

目录

分类问题

分类问题回答某个样本从属于哪个分类的问题。 分为二分分类和多类分类。
二分分类回答，一个样本是否从属于某个分类的问题。而多类分类则要在多个分类中找到一个它丛书的分类。

回归问题

实际上，分类问题是使用回归为基础来实现的。 回归问题可以简要的描述为以下形式
对于给定的数据集 D={(x0,y0),(x1,y1),...,(xk,yk)}
寻找一个函数 f 使得 f(x) 的值尽可能的接近原本的y的值。通常我们会给 f(x) 一个猜测，如他是
f(x)=wx+b 的形式。 ,然后估测w和b。

那么如何描述上面说的” f(x) 的值尽可能的接近原本的y的值” ,可以这么描述

l(y;w,b)=∑i=0n(wxi+b−yi)2

即以w和b作为参数时， 估计值和真实值的差的平方的和。

最小二乘法

将上述公式求导并令导数为0，就得到了最小二乘法。

∂(f(x))∂w=∑i=1n2(wxi+b−yi)xi

∂(f(x))∂b=∑i=1n2(wxi+b−yi)

令偏导数为0，可以求得w和b。这就是最小二乘法。

梯度下降法

能直接解出最优解多么快捷方便？ 那么一般问题为什么不能使用最小二乘法呢？ 因为最小二乘法只能解决线性问题，对于一些非线性的函数，是难以通过公式推到而求解的。这个时候就用到了梯度下降法。
参考下图，我们从任意一点开始，如何才能最快达到最大点？那就是沿着下降最快的方向走可以很快的到达低点。每次都沿下降最快的方向走一步，一直到走不动（在一个谷底），算法结束。

当然，有可能会达到一个极值点，而非最值点。如图

那么应当如何找到下降最快的方向呢？ 我们看一个最简单的例子。

一个x为一维时的图。 当x从小变大时，f(x)增加，导数为正，f(x)减少，导数为负数。
那么当导数为正时，我们在爬坡，要想让函数值尽量减小那么就应该向x减少的方向走。
当导数为负数时，我们在下坡，那么为了减小函数值，我们就应当往前走。
为什么是这样的？ 看导数的定义就知道了

f′(x)=limΔx→0f(x0+Δx)−f(x0)Δx=limx→x0f(x)−f(x0)x−x0

按照上述分析，我们应该向导数（梯度）的反方向走，所以。我们：

w=wi−α∂f(w,b;x)∂w

讲本节最上面的公式带入

w=wi−α∑i=1n2(wxi+b−yi)xi

Logistic回归

上面都是线性回归，适用于函数是一个连续值的情况，对于一个二分问题。

f(x)={10 if x is True otherwise

这是一个很不连续的函数

如果使用 y=wx+b 这样的公式来进行拟合，那么可能出现>1 和<0的情况。如果我们向用y表示x从属于某类的概率，>1和<0的情况显然不合法。那么有没有函数值处于0和1之间的函数呢？ 有！！！！！就是Logistic函数

他的自变量取值为负无穷到正无穷。函数值是0-1太完美了。同时他是一个增函数。正好可以表示概率。
【我估计发明者就是凑出来的】

f(x)=11+e−x

损失函数

为什么要定义损失函数

那么我们如何评价一个算法分类的好坏的？ 通俗的讲 分类正确的越多越好，那么怎么用数学描述这个说法呢？
我们给出了损失函数。 使得 当分类错误的越多， 损失函数越大。

我们在进行学习的时候，想办法通过迭代的方法让损失函数不断减小，知道我们能达到的最小损失。这样得到的结果就是比较优良的。

0-1 损失函数(Zero-One Loss)

最直观的定义，就是统计分类错误的样本个数，如下：
我们假设有L个类 {0,...,L} ,使用 D 来表示数据集。分类问题可以看做是一种映射: f:RD→{0,...,L}
，则损失函数可定义为：

ℓ0,1=∑i=0|D|If(x(i))≠y(i)

其中 f(x(i)) 表示第i个样本会被分到哪一个类中，他的返回值是一个类的序号,也就是通过函数f，得到一个分类结果。 yi 表示第i个样本的真实分类。 如
果不想等，则 Ix=1 。 Ix 的定义如下：

Ix={10 if x is True otherwise

使用以上定义，我们就可以表示出”有多少样本分错了类”这个问题。
使用theano，上述公式可以描述为：

zero_one_loss = T.sum(T.neq(ye, y))

ye表示估计值，y是真实值。程序的表示似乎比数学简明多了。

负对数似然损失 (Negative Log-Likelihood Loss,NLL)

我们求解一个优化问题，有一个简单的思路，就是求出损失函数的导数，当他的导数等于0时，他就达到了极值。那么就需要对损失函数求导，非常遗憾的是，上面的0-1损失函数是一个离散的函数，不能求导（不可微）。
那么人民就提出了一个连续的损失函数。

因为我们的Logistic函数是一个从0-1的函数，可以看成是概率。即

p{yi=1|xi}=f(xi)

那么我们可以用概率的方法来定义损失函数。

概率中有一种非常常用的方法叫做 最大似然估计。对于已知样本

D={(x(0),y(0)),(x(1),y(1)),...,(x(k),y(k))}

我们试图估计一个参数，使得当x取值 x(0),x(1),...,x(k) 时，y的估计值 的概率最大。

最大似然为：

L(θ;D)=∏i=0kf(y=y(i)|x(i),θ)

那么对数最大似然就是对他进行求对数得到：

L′(θ;D)=∑i=0klogf(y=y(i)|x(i),θ)

损失函数越小代表模型越好即 θ 的取值约正确。 相反的，最大似然越大，说明模型越好， θ 越正确。所以我们给最大似然加一个负号来表示损失函数。

C(θ;D)=−∑i=0klogf(y=y(i)|x(i),θ)

梯度下降与随机梯度下降

使用梯度下降使损失函数最小。对于上述的损失函数，每次迭代都要计算所有的样本。如果样本数量有几十万，那么速度会相当的慢，将损失函数稍作改写：

C(θ;D)=∑i=0kC(θ;x(i),y(i))

C(θ;x(i),y(i))=−logf(y=y(i)|x(i),θ)

求损失函数的粒度为每个样本。这样我们就可以改写迭代函数为

1. 批量梯度下降—最小化所有训练样本的损失函数，使得最终求解的是全局的最优解，即求解的参数是使得风险函数最小。

1. 随机梯度下降—最小化每条样本的损失函数，虽然不是每次迭代得到的损失函数都向着全局最优方向， 但是大的整体的方向是向全局最优解的，最终的结果往往是在全局最优解附近。

softmax回归

当我们处理二分问题时 y(i)∈{0,1} ，我们使用

hθ(x)=11+exp(−θTx),

我们将训练模型参数 \textstyle \theta，使其能够最小化代价函数 ：

J(θ)=−1m[∑i=1my(i)loghθ(x(i))+(1−y(i))log(1−hθ(x(i)))]

对于一个多类分类问题。 {(x(1),y(1)),…,(x(m),y(m))} , y(i)∈{1,2,…,k} 。

P(Y=i|x,W,b)=softmaxi(Wx+b)=eWix+bi∑jeWjx+bj

使用上述函数为x从属于每个类都计算一个概率。 最后选择值最大的那个类做为最终估计的结果。

ypred=argmaxiP(Y=i|x,W,b)