【机器学习笔记】基于实例的学习

基于实例的学习

​ 动机：人们通过 记忆和行动来推理学习。

1 基本概念与最近邻方法

1. 名词概念

   • 参数化

     设定一个特定的函数形式

     优点：简单，容易估计和解释

     可能存在很大的偏置：实际的数据分布可能不遵循假设的分布

   • 非参数化：

     分布或密度的估计是数据驱动的（data-driven）

     需要事先对函数形式作的估计相对更少

2. 基于实例的学习

   无需构建模型一仅存储所有训练样例，直到有新样例需要分类才开始进行处理。

   • 一个概念 $c_i$ 可以表示为：

     样例的集合 $c_i=e_{i1},e_{i2}...$

     一个相似度估计函数 $f$

     一个阈值 $\theta$

   • 一个实例 $a$ 属于概念 $c_i$，当

     $a$ 和 $c_i$ 中的某些 $e_j$ 相似，并且 $f(e_i,a)>\theta$

3. 最近邻方法

   计算新的样例和每个样例的距离，找出最近距离的确定其分类。

   距离度量：欧式距离 $\sqrt{{\sum }_{i=1}^n(x_i-y_i{)}^2}$

   

   

   1-NN的错误率不大于Bayes方法错误率的2倍

4. 最近邻的点是噪音怎么办?

   用不止一个邻居，在邻居中进行投票→K近邻（KNN）

2 K-近邻（KNN）

1. 距离度量

   • 闵可夫斯基距离（Minkowski Distance）

     这是一种广义的距离度量，它包含了欧氏距离、曼哈顿距离和切比雪夫距离等特例
     $$d(x,y)={\left(\sum _{i=1}^n|x_i-y_i{|}^p\right)}^{\frac{1}{p}}$$
     其中，$x$ 和 $y$ 是两个 $n$ 维向量，$x_i$ 和 $y_i$ 是它们的第 $i$ 个分量，$p$ 是一个正数，表示距离的幂次。当 $p=2$ 时，就是欧氏距离；当 $p=1$ 时，就是曼哈顿距离；当 $p=\infty$ 时，就是切比雪夫距离。

   • 欧氏距离（Euclidean Distance）

     这是最常用的距离度量，它表示两个点在空间中的直线距离，计算公式为：
     $$d(x,y)=\sqrt{\sum _{i=1}^n(x_i-y_i{)}^2}$$
     其中，$x$ 和 $y$ 是两个 $n$ 维向量，$x_i$ 和 $y_i$ 是它们的第 $i$ 个分量。

   • 曼哈顿距离（Manhattan Distance）

     又称街区距离，这是另一种常用的距离度量，它表示两个点在网格中的路径距离，计算公式为：
     $$d(x,y)=\sum _{i=1}^n|x_i-y_i|$$
     其中，$x$ 和 $y$ 是两个 $n$ 维向量，$x_i$ 和 $y_i$ 是它们的第 $i$ 个分量。

   • 切比雪夫距离（Chebyshev Distance）

     又称棋盘距离，这是一种极端的距离度量，它表示两个点在各个维度上的最大差值，计算公式为：
     $$d(x,y)=\underset{i=1}{\overset{n}{\max }}|x_i-y_i|$$
     其中，$x$ 和 $y$ 是两个 $n$ 维向量，$x_i$ 和 $y_i$ 是它们的第 $i$ 个分量。

   • 加权欧氏距离(Mean Censored Euclidean)
     $$d(x,y)=\sqrt{\frac{{\sum }_{i=1}^n(x_i-y_i{)}^2}{n}}$$
     在欧式距离中，如果维度很高那么最后的值会很大，加权欧式距离/n考虑的就是这个问题。

   • Bray-Curtis Dist
     $$\frac{{\sum }_k|x_{ik}-x_{jk}|}{{\sum }_k(x_{ik}+x_{jk})}$$
     在生物信息学上经常被使用，用来描述生物多样性。

2. 属性

   • 属性归一化

     目的是消除不同属性之间的量纲和尺度的影响，使得数据更加统一和规范

     归一化方法：$\log ,\min -\max ,sum$

   • 属性加权

     无关的属性也会被使用进来，需要根据每个属性的相关性进行加权。

     加权方法：互信息
     KaTeX parse error: Expected 'EOF', got '&' at position 25: …(X)+H(Y)-H(X,Y)&̲\text{H:熵(entro…

3. 连续取值目标函数

   k个近邻训练样例的均值。

   

   上图中红色：实例的真实值；蓝色：估计值

4. k的选择

   • 多数情况下k=3

   • 取决于训练样例的数目——更大的k不一定带来更好的效果

   • 交叉验证

     Leave-one-out：每次拿一个样例作为测试，所有其他的作为训练样例

   • KNN是稳定的——样例中小的混乱不会对结果有非常大的影响

5. 打破平局

   如果k=3并且每个近邻都属于不同的类。

   • K值可以稍微比类别数大1或2，并且为奇数
   • 取1-NN（最近邻）
   • 随机选一个

6. 关于效率

   KNN算法把所有的计算放在新实例来到时，实时计算开销大

   • 加速对最近邻居的选择

     先检验临近的点，忽略比目前找到最近的点更远的点

   • 通过 KD-tree 来实现

     KD-tree: k 维度的树（数据点的维度是 k）

     基于树的数据结构

     递归地将点划分到和坐标轴平行的方形区域内

7. KD-Tree

   • 构建 KD-Tree

     

     • 选择一个范围最宽的维度，选择一个切分点，根据该维度的数据的中位数，将数据集分成两个子集，使得切分点左边的数据都小于等于它，右边的数据都大于等于它；
     • 递归地对左子树和右子树重复上述步骤，直到剩余的数据点少于 m，或者区域的宽度达到最小值
     • 返回根节点，完成 KD-Tree 的构建。

     在每个叶节点维护一个额外信息：这个节点下所有数据点的 (紧) 边界

   • 查询

     

     • 先检验临近的点：关注距离所查询数据点最近的树的分支

     • 达到一个叶节点后：计算节点中每个数据点距离目标点的距离

     • 接着回溯检验我们访问过的每个树节点的另一个分支，每次找到一个最近的点，就更新距离的上界

     • 利用最近距离以及每个树节点下数据的边界信息，对一部分不可能包含最近邻居的分支进行剪枝

8. KNN 优缺点

   • 优点：

     • 概念上很简单，但可以处理复杂的问题

     • 通过对k-近邻的平均，对噪声数据更鲁棒

     • 容易理解：预测结果可解释

     • 训练样例中呈现的信息不会丢失，样例本身被显式地存储下来

     • 实现简单、稳定、没有参数（除了 k）

   • 缺点

     • 内存开销大：需要存储所有样例
     • CPU 开销大：分类新样本需要更大时间
     • 很难确定一个合适的距离函数
     • 不相关的特征 对距离的度量有负面的影响

3 距离加权 KNN

1. 加权函数
   $$w_i=K(d(x_i,x_q))$$
   其中$d(x_i,x_1)$是查询数据点与 $x_i$ 之间的关系；$K(\cdot )$ 是决定每个数据点权重的核函数。

2. 输出
   $$\text{predict}=\frac{\sum w_i{y}_i}{\sum w_i}$$

3. 对比加权前后效果

   • KNN

     

   • 距离加权KNN

     

     高斯核函数：曲线更加平滑。

     

4 基于实例/记忆的学习器

1. 1-NN
   • 距离度量：欧式距离
   • 使用多少个邻居：一个
   • 加权函数（加权）：无
   • 如何使用已知的邻居节点：和邻居节点相同
2. K-NN
   • 距离度量：欧式距离
   • 使用多少个邻居：K 个
   • 加权函数（加权） ：无
   • 如何使用已知的邻居节点：K 个邻居节点投票
3. 距离加权 KNN
   • 距离度量：缩放的欧式距离
   • 使用多少个邻居：所有的，或K 个
   • 加权函数（加权） ：高斯核函数
   • 如何使用已知的邻居节点：每个输出的加权平均

5 局部加权回归

• 距离度量：缩放的欧式距离

• 使用多少个邻居：所有的，或K 个

• 加权函数（加权） ：高斯核函数

• 如何使用已知的邻居节点：首先构建一个局部的线性模型。拟合 β 最小化局部的加权平方误差和
  $$\beta ={\mathrm{argmin}}_{\beta }\sum _{k=1}^N{w}_k^2(y_k-{\beta }^{\top }{X}_k{)}^2$$

5 多种回归方式对比

1. 线性回归

   

2. 连接所有点

   

3. 1-近邻

   

4. k-近邻（k=9）

   

5. 距离加权 KNN（核回归）

   

   选择一个合适的 $K_w$ 非常重要，不仅是对核回归，对所有局部加权学习器都很重要。

6. 局部加权回归

   

6 懒惰学习与贪婪学习

1. 贪婪学习：查询之前就泛化
   • 训练时间长，测试时间短
   • 对于每个查询使用相同模型，倾向于给出全局估计
2. 懒惰学习：等待查询再泛化
   • 训练时间短，测试时间长
   • 可以得到局部估计

​ 如果它们共享相同的假设空间，懒惰学习可以表示更复杂的函数