跟李沐学AI：实用机器学习 | 第三章

3.1 8分钟机器学习介绍

机器学习算法分类

• 监督学习：使用标注好的数据预测标号。自监督学习：标号从数据中产生得来，例如BERT、word2vec
• 半监督学习：使用标注和未标注的数据训练，学习能够预测未标注数据的标号的模型，例如自训练
• 无监督学习：使用未标注的数据训练，例如聚类、密度估计（GAN）
• 强化学习：使用跟环境交互得到的数据不断调整，实现最大化，例如机器人

监督学习

• 模型：从输入获得预测的输出
• 损失函数：衡量真实标号和预测值之间的差异
• 目标函数Objective：任何在训练过程中用于优化的函数
• 优化函数Optimization：通过最小化损失学习模型参数

监督模型分类

• 决策树：使用树做决策
• 线性模型：使用输入的线性组合做决策
• 核方法：使用核函数计算特征相似度
• 神经网络：使用神经网络学习特征表示

3.2 决策树

优点：可解释、能够处理数值和类别特征（集成学习）

缺点：不稳定、复杂的树可能导致过拟合（剪枝）、不容易并行

随机森林（解决不稳定问题）

• 训练多个决策树改善稳定性（并行）：每棵树独立训练，对于分类任务使用投票，对于回归问题使用均值
• “随机”来自于：①Bagging：可放回地对训练样本进行随机采样 ②不放回地对训练集的特征进行随机采样

Gradient Boosting Decision Trees

• 在残差数据上按顺序训练多棵树 求和

• 残差数据：yi是第i个样本的标号，Ft(xi)是当前训练好了的树对第i个样本标号的预测值，把标号改为这两者之间的差。相当于ft预测的是真实值和预测值之间的差。
• 残差就相当于梯度下降，所以叫做Gradient Boosting Decision Tree

3.3 线性模型

线性回归预测

给定数据x=[x1, x2, …, xp]，

y=w1x1+w2x2+…+wpxp+b=+b

y_hat = (x*w).sum( )+b

• 目标函数：最小化均方误差

线性回归分类

• 输出是一个向量oi=+bi，第i个值表示它数据第i类的置信分数。标号y=[y1, y2, …, ym]，当y=i时yi=1，否则为0
• 最小化均方误差

• 预测标号

                精力分散到所有类别中 不好

softmax回归

• 把分数变成概率（非负，和为1）

• 交叉熵损失函数

                让模型专注到在正确类别上的概率有多高

3.4 随机梯度下降

小批量随机梯度下降（Mini-batch Stochastic gradient descent(SGD))

小批量随机梯度下降几乎是整个深度学习唯一的求解方法，可以求解除了决策树外几乎所有的算法模型

w 模型参数       b batch size      nt 在时刻t的学习率

随机初始化w1

重复t=1, 2, …  直到收敛

优点：可以求解除了决策树外其他算法模型

缺点：对超参数b和nt敏感

yield可以反复地调用，然后一个一个地返回

w初始化时不能全部为0

@矩阵乘法   里面的 l 指的是loss   param-=learning_rate*param.grad

3.5 多层感知机

神经网络

手动抽取特征->神经网络学习特征

神经网络需要更多的数据和计算

用于对数据结构进行建模的神经网络架构

• 多层感知机 Multiplayer perceptor, MLP
• 卷积神经网络 Convolutional  neural network, CNN
• 循环神经网络 Recurrent neural network, RNN
• 变形金刚Transformers：既能处理时序信息，又能处理空间信息

线性方法 -> 多层感知机

单层感知机

稠密（全连接or线性）层参数W∈R(m*n)，b∈R(m), 输出y=Wx+b∈R(m) 相当于m是样本数，n是特征数

• 线性回归：1个输出的全连接层
• softmax回归：m个输出的全连接层+softmax

多层感知机

• 激活函数：非线性函数，形成非线性模型

• 堆叠多个隐藏层得到更深的模型（dense+activation)

 

left：有一层隐藏层的MLP（橙色标注的dense就是隐藏层）  right：有三层隐藏层的MLP

超参数：隐藏层层数、每个隐藏层的输出尺寸

 

3.6 卷积神经网络

全连接层 -> 卷积层

全连接层要学习的参数太多了

把先验信息嵌入模型架构中（translation invariance平移不变性, locality本地性 像素和邻居相关），从而实现使用更少的参数能够得到同样的模型容量

卷积层 Convolution layer

• Locality：使用k*k的输入窗口计算输出，对结果进行求和作为输出
• Translation invariant：输出使用相同的k*k权重（权重共享）
• k*k的窗口被称为卷积核，学习识别模式

（cross-correlation 交叉相关）这里的*是对位乘

相当于步长为1，所以shape(Y)=[X.shape[0]-h+1, X.shape[1]-w+1]

池化层（汇聚层）Pooling layer

• 卷积层对位置很敏感，输入的一个像素的偏移会导致输出中像素的偏移
• 池化层计算k*k窗口中的均值/最大值作为输出（平均汇聚/最大汇聚）

 

（此处代码应该写错了，应该是Y[i, j]=(X[i:i+h, j:j+w]*K).max()或mean()）

          

现代CNNs是用了不同的超参和连接层的深度神经网络：AlexNet, VGG, Inceptions, ResNet, MobileNet

3.7 循环神经网络

全连接层 -> 循环网络

语言模型：用于预测下个词

使用基本的MLP不能很好地处理序列信息

循环神经网络

 

考虑历史信息

 

带有门的RNN（LSTM, GRU）：对信息流做了一些很细致的控制

• 忘掉输入：在计算ht的时候抑制xt，通过参数学习应该关注哪些xt、不关注哪些xt（比如句子中的符号）
• 忘掉过去：在计算ht的时候抑制ht-1（比如新一句/新一段开始了）

 输入X是一个三维数据，num_steps是时间偏移

Bi-RNN 和 Deep RNN

双向RNN：综合考虑上一个时刻和下一个时刻的信息输出yt

 

Deep RNN：堆叠多个RNN层，其中的RNN层可以是双向的

 

总结

根据不同的数据选择不同的算法