白话机器学习笔记（三）评估已建立的模型

模型评估

在进行回归和分类时，为了进行预测，我们定义了函数$f_{\theta }(x)$，然后根据训练数据求出了函数的参数$\theta$。

如何预测函数$f_{\theta }(x)$的精度？看它能否很好的拟合训练数据？

我们需要能够定量的表示机器学习模型的精度，这就是模型的评估。

交叉验证

回归问题的验证

把获取的全部训练数据分成两份：一份用于测试，一份用于训练。前者来评估模型。一般3：7或者2：8这种训练数据更多的比例。

如图点击量预测的回归问题

$f_{\theta }(x)$是二次函数拟合效果更好，但考虑测试数据的话，二次函数完全不行。

对于回归，只要在训练好的模型上计算测试数据的误差的平方，再取其平均值即可，假设训练数据有$n$个，可以这样计算。
$$\frac{1}{n}\sum _{i=1}^n(y^{(i)}-f_{\theta }(x^{(i)}){)}^2$$
对于点击量的回归问题，$y^{(i)}$就是点击量，$x^{(i)}$就是广告费。

这个值被称为均方误差或者MSE(Mean Square Error)

这个误差越小，精度就越高，模型就越好。

分类问题的验证

数据这样分配

${\theta }^{T}x$是一次函数

若${\theta }^{T}x$更复杂，可能会这样紧贴着训练数据进行分类。

我们是根据图像为横向的概率来分类，分类是否成功就会有下面 4 种情况。

可以这样计算分类的精度

$Accuracy=\frac{TP+TN}{TP+FP+FN+TN}$

它表示的是在整个数据集中，被正确分类的数据$TP$和$TN$所占的比例。

精确率和召回率

有时候只看$Accuracy$会出问题

如果数据量极其不平衡

模型把全部数据分类为 Negative,不是好模型，但精度会很高。

所以我们加入别的指标

精确率

$Precision=\frac{TP}{TP+FP}$

这个指标只关注 TP 和 FP。根据表达式来看，它的含义是在被分类为 Positive 的数据中，实际就是 Positive 的数据所占的比例

召回率

$Recall=\frac{TP}{TP+FN}$

这个指标只关注 TP 和 FN。根据表达式来看，它的含义是在 Positive 数据中，实际被分类为 Positive 的数据所占的比例

基于这两个指标来考虑精度比较好。

但是一个高一个低就不好评估，为此出现判定综合性能的指标F值。

$Fmeasure=\frac{2}{\frac{1}{Precision}+\frac{1}{Recall}}$

变形后

$Fmeasure=\frac{2\cdot Precision\cdot Recall}{Precision+Recall}$

F值称为F1值更准确

还有带权重的F值指标

$WeightedFmeasure=\frac{(1+{\beta }^2)\cdot Precision\cdot Recall}{{\beta }^2\cdot Precision+Recall}$

之前的精确率和召回率是以$TP$为主进行计算的，也可以以TN为主。

$Precision=\frac{TN}{TN+FN}$

$Recall=\frac{TN}{TN+FP}$

把全部训练数据分为测试数据和训练数据的做法称为交叉验证

交叉验证中，尤为有名的是K折交叉验证

• 把全部训练数据分为 $K$ 份
• 将 $K-1$ 份数据用作训练数据，剩下的 1 份用作测试数据
• 每次更换训练数据和测试数据，重复进行 $K$ 次交叉验证
• 最后计算 $K$ 个精度的平均值，把它作为最终的精度

假设进行4折交叉验证，那么就会如图这样测试精度。

全部训练数据的量很大，不切实际增大$K$值会非常耗时，要确定一个合适的$K$值。

正则化

过拟合

只能拟合训练数据的状态被称为过拟合

有几种方法可以避免过拟合

• 增加全部训练数据的数量
• 使用简单的模型
• 正则化

正则化的方法

对于回归问题

$E(\theta )=\frac{1}{2}\sum _{i=1}^n(y^{(i)}-f_{\theta }(x^{(i)}{)}^2$

向这个目标函数增加一个正则化项

$R(\theta )=\frac{\lambda }{2}\sum _{j=1}^m{\theta }_j^2$ ($m$是参数的个数)

一般不对${\theta }_0$应用正则化，假如预测函数的表达式为$f_{\theta }(x)={\theta }_0+{\theta }_{1}x+{\theta }_2{x}^2$，$m=2$意味着正则化的对象参数为${\theta }_1$和${\theta }_2$。${\theta }_0$这种只有参数的项为偏置项，一般不对它进行正则化。

$\lambda$是决定正则化项影响程度的正的常数。

$C(\theta )=\frac{1}{2}\sum _{i=1}^n(y^{(i)}-f_{\theta }(x^{(i)}{)}^2$

$R(\theta )=\frac{\lambda }{2}\sum _{j=1}^m{\theta }_j^2$

这正是通过减小不需要的参数的影响，将复杂模型替换为简单模型来防止过拟合的方式。

为了防止参数的影响过大，在训练时要对参数施加一些惩罚。

$\lambda$是控制正则化惩罚的强度。

$\lambda =0$，相当于不使用正则化。

$\lambda$越大，正则化的惩罚就越严厉。

分类的正则化

$logL(\theta )=\sum _{i=1}^n(y^{(i)}log{f}_{\theta }(x^i)+(1-y^{(i)})log(1-f_{\theta }(x^{(i)})))$

分类也是在这个目标函数中增加正则化项就行了。

$logL(\theta )=-\sum _{i=1}^n(y^{(i)}log{f}_{\theta }(x^i)+(1-y^{(i)})log(1-f_{\theta }(x^{(i)})))+\frac{\lambda }{2}\sum _{j=1}^m{\theta }_j^2$

对数似然函数本来以最大化为目标，加负号使其变为和回归的目标函数一样的最小化问题，像处理回归一样处理它，只要加上正则化项就可以了。

包含正则化项的表达式的微分

$E(\theta )=C(\theta )+R(\theta )$

各部分进行偏微分
$$\frac{\partial E(\theta )}{\partial {\theta }_j}=\frac{\partial C(\theta )}{\partial {\theta }_j}+\frac{\partial R(\theta )}{\partial {\theta }_j}$$
$\frac{\partial C(\theta )}{\partial {\theta }_j}=\sum _{i=1}^n(f_{\theta }(x^{(i)})-y^{(i)})x_j^{(i)}$

$\frac{\partial R(\theta )}{\partial {\theta }_j}=\lambda {\theta }_j$

$\frac{\partial E(\theta )}{\partial {\theta }_j}=\sum _{i=1}^n(f_{\theta }(x^{(i)})-y^{(i)})x_j^{(i)}+\lambda {\theta }_j$

得参数更新表达式

${\theta }_j:={\theta }_j-\eta (\sum _{i=1}^n(f_{\theta }(x^{(i)})-y^{(i)})x_j^{(i)}+\lambda {\theta }_j)$ $(j>0)$

这种方法叫L2正则化

还有L1正则化，它的正则化项$R$是

$R(\theta )=\lambda \sum _{i=1}^m|{\theta }_i|$

L1 正则化的特征是被判定为不需要的参数会变为 0，从而减少变量个数。而 L2 正则化不会把参数变为 0。二次式变为一次式的例子，用 L1 正则化就真的可以实现了。

L2 正则化会抑制参数，使变量的影响不会过大，而 L1 会直接去除不要的变量。

学习曲线

欠拟合：模型性能很差，没有拟合训练数据的状态

区分过拟合与欠拟合

两种精度都是很差，如何辨别？

随着数据量的增加，使用训练数据时的精度一直很高，而使用测试数据时的精度一直没有上升到它的水准。只对训练数据拟合得较好，这就是过拟合的特征。

这也叫作高方差。

欠拟合的图像如下

这是一种即使增加数据的数量，无论是使用训练数据还是测试数据，精度也都会很差的状态。

像这样展示了数据数量和精度的图称为学习曲线