【白话机器学习的数学】读书笔记(3)学习分类(感知机、逻辑回归)

三、学习分类

1.分类的目的

找到一条线把白点和黑点分开。这条直线是使权重向量成为法线向量的直线。(解释见下图)

直线的表达式为：
$$\omega \cdot x=\sum _{i=1}^n{\omega }_i\cdot x_i=0$$

• $\omega$是权重向量
• 权重向量就是我们想要知道的未知参数
• 他和回归中的$\theta$是一样的

举个例子：
$$\omega \cdot x=(1,1)\cdot (x_1,x_2)={\omega }_1\cdot x_1+{\omega }_2\cdot x_2=x_1+x_2=0$$
对应的图像：

权重向量和这条直线是垂直的。

2.感知机

1定义

将权重向量用作参数，创建更新表达式来更新参数。基本做法是和回归相同的，感知机是接受多个输入后将每个值与各自的权重相乘，最后输出总和的模型。

感知机的表示：

2判别函数

根据参数向量 x 来判断图像是横向还是纵向的函数，即返回 1 或者 −1 的函数$f_w(x)$的定义如下。这个函数被称为判别函数。
$$f_{\omega }=\{\begin{array}{l}1,(\omega \cdot x\ge 0)\\ -1,(\omega \cdot x<0)\end{array}$$
其实，$\omega \cdot x$还可以写成 $\omega \cdot x=|\omega |\cdot |x|\cdot \cos \theta$，那么我们可以推断出$\omega \cdot x$的正负只跟$\theta$有关系。

向量与权重向量 $\omega$之间的夹角为 θ，在 90°<θ< 270°$\cos \theta$为负，所以在 90°<θ< 270°范围内的所有向量都满足内积为负。

3权重向量的更新表达式

$$\omega :=\{\begin{array}{l}\omega +y^{(i)}{x}^{(i)},f_{\omega }(x^{(i)})\ne y^{(i)}\\ \omega ,f_{\omega }(x^{(i)})=y^{(i)}\end{array}$$

• i指的是训练数据的索引，也就是第i个训练数据的意思
• $f_{\omega }(x^{(i)})=y^{(i)}$时说明判别函数的分类结果是准确的，此时不用更新$\omega$
• $f_{\omega }(x^{(i)})\ne y^{(i)}$时说明判别函数的分类结果不正确，此时需要更新表达式

下面来解释为什么$f_{\omega }(x^{(i)})\ne y^{(i)}$时需要更新表达式

现在权重向量$\omega$ 和训练数据的向量 $x^{(1)}$二者的方向几乎相反，$\omega$和$x^{(1)}$之间的夹角 θ 的范围是 90◦ <θ< 270◦ ，内积为负。
也就是说，判别函数$f_{\omega }(x^{(1)})$的结果为 −1。

$f_{\omega }(x^{(1)})\ne y^{(1)}$，说明分类失败。

更新：$由于y^{(1)}=1，故\omega +y^{(1)}{x}^{(1)}=\omega +x^{(1)}$

图像的变化更明显一些：

这个$\omega +x^{(1)}$就是下一个新的 $\omega$，相当于把原来的线旋转了一下。

刚才处理的是标签值 y = 1 的情况，而对于 y = −1 的情况，只是更新表达式的向量加法变成了减法。本质的做法都是在分类
失败时更新权重向量，使得直线旋转相应的角度。这样重复更新所有的参数，就是感知机的学习方法。

4感知机的缺点

只能解决线性可分的问题。线性可分指的就是能够使用直线分类的情况。

之前提到的感知机也被称为简单感知机或单层感知机，是很弱的模型。既然有单层感知机，那么就会有多层感知机。实际上多层感知机就是神经网络。

3.逻辑回归

与感知机的不同之处在于，它是把分类作为概率来考虑的，举个例子，x是横向的概率是80%，而感知机的结果是A是横向。然后判别函数的两个值设置为0和1。
$$f_{\omega }=\{\begin{array}{l}1,(\omega \cdot x\ge 0)\\ 0,(\omega \cdot x<0)\end{array}$$

1 Sigmoid函数

能够将未知数据分类为某个类别的函数$f_{\theta }(x)$ ，类似感知机的判别函数$f_{\omega }(x)$，在这里我们把$f_{\theta }(x)$当作概率，对应的前面举的横向的例子。$f_{\theta }(x)=80\%$ 表示的就是x是横向图像的概率是80%。
$$f_{\theta }(x)=\frac{1}{1+e^{(-{\theta }^{T}x)}}$$
函数图像

两个特征

• ${\theta }^{T}x=0$时，$f_{\theta }(x)=0.5$
• $0<f_{\theta }(x)\le 1$

2 决策边界

把$f_{\theta }(x)$当作概率，我们还可以有另一种等价的表达式
$$f_{\theta }(x)=P(y=1|x)$$
$P(y=1|x)$表示给出x数据时y=1的概率。

假如$f_{\theta }(x)=0.7$，我们会把x分类为横向。$f_{\theta }(x)=0.2$，横向的概率为20%，纵向的概率为80%，这种状态可以分类为纵向。这里我们就是以0.5为阈值，然后把$f_\theta(x) $的结果与其比较，从而得到分类的结果。

即你的分类表达式为：
$$y=\{\begin{array}{l}1,(f_{\theta }(x)\ge 0.5)\\ 0,(f_{\theta }(x)<0.5)\end{array}$$
从图像中可以看出$f_{\theta }(x)\ge 0.5$时，${\theta }^{T}x\ge 0$，反之。

所以分类表达式可以写成：
$$y=\{\begin{array}{l}1,({\theta }^{T}x\ge 0)\\ 0,({\theta }^{T}x<0)\end{array}$$
假设有一个训练数据为
θ = [ θ 0 θ 1 θ 2 ] = [ − 100 2 1 ] , x = [ 1 x 1 x 2 ] (2) \theta = \begin{bmatrix} \theta_0\\ \theta_1\\ \theta_2\\ \end{bmatrix} \tag{2} = \begin{bmatrix} -100\\2\\1 \end{bmatrix} , x = \begin{bmatrix} 1\\x_1\\x_2 \end{bmatrix} θ= ​θ0​θ1​θ2​​ ​= ​−10021​ ​,x= ​1x1​x2​​ ​(2)
所以
$${\theta }^{T}x=-100\cdot 1+2x_1+x_2\ge 0\to x_2\ge -2x_2+100$$
对应的图像为

将 ${\theta }^{T}x=0$ 这条直线作为边界线，就可以把这条线两侧的数据分类为横向和纵向。

这样用于数据分类的直线称为决策边界。

然后的做法和回归一样，为了求得正确的参数 θ 而定义目标函数，进行微分，然后求出参数的更新表达式。

4.似然函数（解决逻辑回归中参数更新表达式问题）

P(y = 1|x) 是图像为横向的概率，P(y = 0|x) 是图像为纵向的概率

• y = 1 的时候，我们希望概率 P(y = 1|x) 是最大的
• y = 0 的时候，我们希望概率 P(y = 0|x) 是最大的

假定所有的训练数据都是互不影响、独立发生的，这种情况下整体的概率就可以用下面的联合概率来表示
$$L(\theta )=P(y^{(1)}=0|x^{(1)})P(y^{(2)}=0|x^{(2)})\cdot \cdot \cdot P(y^{(6)}=1|x^{(6)})$$
将联合概率一般化：
$$L(\theta )=\prod _{i=1}^{n}P(y^{(i)}=1|x^{(i)}{)}^{y^{(i)}}P(y^{(i)}=0|x^{(i)}{)}^{1-y^{(i)}}$$
回归的时候处理的是误差，所以要最小化，而现在考虑的是联合概率，我们希望概率尽可能大，所以要最大化。这里的目标函数$L(\theta )$也被称为似然，L就是Likelihood。

我们可以认为似然函数 L(θ) 中，使其值最大的参数 θ 能够最近似地说明训练数据。

1.对数似然函数

直接对似然函数进行微分有点困难，在此之前要把函数变形。取似然函数的对数，在等式两边加上 log：
$$\log L(\theta )=\log \prod _{i=1}^{n}P(y^{(i)}=1|x^{(i)}{)}^{y^{(i)}}P(y^{(i)}=0|x^{(i)}{)}^{1-y^{(i)}}$$
然后进行变形：

最终得到：
$$\log L(\theta )=\sum _{i=1}^n[y^{(i)}\log f_{\theta }(x^{(i)})+(1-y^{(i)})\log (1-f_{\theta }(x^{(i)}))]$$

2.似然函数的微分

逻辑回归就是要将这个对数似然函数用作目标函数：
$$\log L(\theta )=\sum _{i=1}^n[y^{(i)}\log f_{\theta }(x^{(i)})+(1-y^{(i)})\log (1-f_{\theta }(x^{(i)}))]$$
接下来对每个参数${\theta }_j$求微分：
$$\frac{\partial \log L(\theta )}{\partial {\theta }_j}=\frac{\partial }{\partial {\theta }_j}\sum _{i=1}^n[y^{(i)}\log f_{\theta }(x^{(i)})+(1-y^{(i)})\log (1-f_{\theta }(x^{(i)}))]$$
接下来的求解步骤和回归的也差不多：

1.改写成复合函数求微分

$$\begin{gathered} u=\log L(\theta ) \\ v=f_{\theta }(x) \\ \frac{\partial u}{\partial {\theta }_j}=\frac{\partial u}{\partial v}\cdot \frac{\partial v}{\partial {\theta }_j} \end{gathered}$$

2.计算第一项$\frac{\partial u}{\partial v}$

$$\begin{gathered} \frac{\partial u}{\partial v}=\frac{\partial }{\partial {\theta }_j}\sum _{i=1}^n[y^{(i)}\log (v)+(1-y^{(i)})\log (1-v)] \\ \frac{d\log (v)}{dv}=\frac{1}{v},\frac{d\log (1-v)}{dv}=-\frac{1}{1-v} \\ \frac{\partial u}{\partial v}=\sum _{i=1}^n(\frac{y^{(i)}}{v}-\frac{1-y^{(i)}}{1-v}) \end{gathered}$$

3.计算第二项$\frac{\partial v}{\partial {\theta }_j}$

$$\begin{gathered} \frac{\partial v}{\partial {\theta }_j}=\frac{\partial }{\partial {\theta }_j}\frac{1}{1+e^{-{\theta }^{T}x}} \\ z={\theta }^{T}x \\ v=f_{\theta }(x)=\frac{1}{1+e^{-z}} \\ \frac{\partial v}{\partial {\theta }_j}=\frac{\partial v}{\partial z}\cdot \frac{\partial z}{\partial {\theta }_j} \end{gathered}$$

其中(过程可以手推一次)：
$$\begin{gathered} \frac{\partial v}{\partial z}=v(1-v) \\ \frac{\partial z}{\partial {\theta }_j}=x_j \end{gathered}$$
所以：
$$\frac{\partial v}{\partial {\theta }_j}=v(1-v)\cdot x_j$$

4.整合

$$\begin{array}{rl}\frac{\partial u}{\partial {\theta }_j}& =\frac{\partial u}{\partial v}\cdot \frac{\partial v}{\partial {\theta }_j}\\ & =\sum _{i=1}^n(\frac{y^{(i)}}{v}-\frac{1-y^{(i)}}{1-v})\cdot v(1-v)\cdot x_j^{(i)}\\ & =\sum _{i=1}^n(y^{(i)}(1-v)-(1-y^{(i)})v)x_j^{(i)}\\ & =\sum _{i=1}^n(y^{(i)}-y^{(i)}v-v+y^{(i)}v)x_j^{(i)}\\ & =\sum _{i=1}^n(y^{(i)}-v)x_j^{(i)}\\ & =\sum _{i=1}^n(y^{(i)}-f_{\theta }(x^{(i)}))x_j^{(i)}\end{array}$$

3.得到参数更新表达式

现在是以最大化为目标，所以必须按照与最小化时相反的方向移动参数，所以更新表达式中变成了+：
$${\theta }_j:={\theta }_j+\eta \sum _{i=1}^n(y^{(i)}-f_{\theta }(x^{(i)}))x_j^{(i)}$$
当然也可以为了和回归的式子保持一致，这样的话$\eta$后面括号里面的式子就要变号了：
$${\theta }_j:={\theta }_j-\eta \sum _{i=1}^n(f_{\theta }(x^{(i)}-y^{(i)}))x_j^{(i)}$$

5.线性不可分

类似下图这样的，就是线性不可分：

直线不能分类，但曲线是可以将其分类的。所以我们可以像学习多项式回归那样去增加次数。即：
θ = [ θ 0 θ 1 θ 2 θ 3 ] , x = [ 1 x 1 x 2 x 1 2 ] (2) \theta = \begin{bmatrix} \theta_0\\ \theta_1\\ \theta_2\\ \theta_3\\ \end{bmatrix} \tag{2} , x = \begin{bmatrix} 1\\x_1\\x_2\\x_1^2 \end{bmatrix} θ= ​θ0​θ1​θ2​θ3​​ ​,x= ​1x1​x2​x12​​ ​(2)
所以：
$${\theta }^{T}x={\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2+{\theta }_3{x}_1^2$$

举个例子：
θ = [ θ 0 θ 1 θ 2 θ 3 ] = [ 0 0 1 − 1 ] (2) \theta = \begin{bmatrix} \theta_0\\ \theta_1\\ \theta_2\\ \theta_3\\ \end{bmatrix} \tag{2} = \begin{bmatrix} 0\\ 0\\ 1\\ -1\\ \end{bmatrix} θ= ​θ0​θ1​θ2​θ3​​ ​= ​001−1​ ​(2)
所以：
$${\theta }^{T}x=x_2-x_1^2\ge 0$$
对应的图像：

根据图像我们也可以看出。前面的决策边界是直线，现在是曲线。这也就是逻辑回归应用于线性不可分问题的方法。

通过随意地增加次数，就可以得到复杂形状的决策边界。

同样，在逻辑回归的参数更新中也可以使用随机梯度下降法。