EM, Expectation maximization

EM 算法是机器学习中比较重要的算法,可以用来做聚类。其EM的思想在才是最重要(不断的优化下界来逼近上界)。当我们面临二个参数需要优化的时候,只要符合EM的不等式(凸函数),可以采用这种思想,先定一个参数,在优化另一个参数。以前在读这个算法时,就费了很大的力气,本想写出来的,但看到别人博客里写了EM算法,且写的比较通俗易懂,深入浅出,即使你以前没有看过EM算法,只要你静下心来,一定会看的懂。 下面主要介绍EM的整个推导过程。1. Jensen不等式 回顾优化理论中的一些概念。设f是定义域为实数的函数,如果对于所有的实数x,clip_image002,那么f是凸函数。当x是向量时,如果其hessian矩阵H是半正定的(clip_image004),那么f是凸函数。如果clip_image006或者clip_image008,那么称f是严格凸函数。 Jensen不等式表述如下: 如果f是凸函数,X是随机变量,那么 clip_image010 特别地,如果f是严格凸函数,那么clip_image012当且仅当clip_image014,也就是说X是常量。 这里我们将clip_image016简写为clip_image018。 如果用图表示会很清晰: clip_image019 图中,实线f是凸函数,X是随机变量,有0.5的概率是a,有0.5的概率是b。(就像掷硬币一样)。X的期望值就是a和b的中值了,图中可以看到clip_image010[1]成立。 当f是(严格)凹函数当且仅当-f是(严格)凸函数。 Jensen不等式应用于凹函数时,不等号方向反向,也就是clip_image021。2. EM算法 给定的训练样本是clip_image023,样例间独立,我们想找到每个样例隐含的类别z,能使得p(x,z)最大。p(x,z)的最大似然估计如下: clip_image024 第一步是对极大似然取对数,第二步是对每个样例的每个可能类别z求联合分布概率和。但是直接求clip_image026一般比较困难,因为有隐藏变量z存在,但是一般确定了z后,求解就容易了。 EM是一种解决存在隐含变量优化问题的有效方法。竟然不能直接最大化clip_image028,我们可以不断地建立clip_image030的下界(E步),然后优化下界(M步)。这句话比较抽象,看下面的。 对于每一个样例i,让clip_image032表示该样例隐含变量z的某种分布,clip_image032[1]满足的条件是clip_image034。(如果z是连续性的,那么clip_image032[2]是概率密度函数,需要将求和符号换做积分符号)。比如要将班上学生聚类,假设隐藏变量z是身高,那么就是连续的高斯分布。如果按照隐藏变量是男女,那么就是伯努利分布了。可以由前面阐述的内容得到下面的公式: clip_image035 (1)到(2)比较直接,就是分子分母同乘以一个相等的函数。(2)到(3)利用了Jensen不等式,考虑到clip_image037是凹函数(二阶导数小于0),而且 clip_image038 就是clip_image039的期望(回想期望公式中的Lazy Statistician规则) 设Y是随机变量X的函数clip_image041(g是连续函数),那么 (1) X是离散型随机变量,它的分布律为clip_image043,k=1,2,…。若clip_image045绝对收敛,则有 clip_image047 (2) X是连续型随机变量,它的概率密度为clip_image049,若clip_image051绝对收敛,则有 clip_image053 对应于上述问题,Y是clip_image039[1],X是clip_image055,clip_image057是clip_image059,g是clip_image055[1]到clip_image039[2]的映射。这样解释了式子(2)中的期望,再根据凹函数时的Jensen不等式: clip_image060可以得到(3)。 这个过程可以看作是对clip_image028[1]求了下界。对于clip_image032[3]的选择,有多种可能,那种更好的?假设clip_image026[1]已经给定,那么clip_image028[2]的值就决定于clip_image057[1]和clip_image062了。我们可以通过调整这两个概率使下界不断上升,以逼近clip_image028[3]的真实值,那么什么时候算是调整好了呢?当不等式变成等式时,说明我们调整后的概率能够等价于clip_image028[4]了。按照这个思路,我们要找到等式成立的条件。根据Jensen不等式,要想让等式成立,需要让随机变量变成常数值,这里得到: clip_image063 c为常数,不依赖于clip_image065。对此式子做进一步推导,我们知道clip_image067,那么也就有clip_image069,(多个等式分子分母相加不变,这个认为每个样例的两个概率比值都是c),那么有下式: clip_image070 至此,我们推出了在固定其他参数clip_image026[2]后,clip_image072的计算公式就是后验概率,解决了clip_image072[1]如何选择的问题。这一步就是E步,建立clip_image028[5]的下界。接下来的M步,就是在给定clip_image072[2]后,调整clip_image026[3],去极大化clip_image028[6]的下界(在固定clip_image072[3]后,下界还可以调整的更大)。那么一般的EM算法的步骤如下:循环重复直到收敛 { (E步)对于每一个i,计算 clip_image074 (M步)计算 clip_image075 那么究竟怎么确保EM收敛?假定clip_image077和clip_image079是EM第t次和t+1次迭代后的结果。如果我们证明了clip_image081,也就是说极大似然估计单调增加,那么最终我们会到达最大似然估计的最大值。下面来证明,选定clip_image077[1]后,我们得到E步 clip_image083 这一步保证了在给定clip_image077[2]时,Jensen不等式中的等式成立,也就是 clip_image084 然后进行M步,固定clip_image086,并将clip_image088视作变量,对上面的clip_image090求导后,得到clip_image092,这样经过一些推导会有以下式子成立: clip_image093 解释第(4)步,得到clip_image092[1]时,只是最大化clip_image090[1],也就是clip_image095的下界,而没有使等式成立,等式成立只有是在固定clip_image026[4],并按E步得到clip_image097时才能成立。 况且根据我们前面得到的下式,对于所有的clip_image097[1]和clip_image026[5]都成立 clip_image098 第(5)步利用了M步的定义,M步就是将clip_image088[1]调整到clip_image100,使得下界最大化。因此(5)成立,(6)是之前的等式结果。 这样就证明了clip_image102会单调增加。一种收敛方法是clip_image102[1]不再变化,还有一种就是变化幅度很小。 再次解释一下(4)、(5)、(6)。首先(4)对所有的参数都满足,而其等式成立条件只是在固定clip_image026[6],并调整好Q时成立,而第(4)步只是固定Q,调整clip_image026[7],不能保证等式一定成立。(4)到(5)就是M步的定义,(5)到(6)是前面E步所保证等式成立条件。也就是说E步会将下界拉到与clip_image102[2]一个特定值(这里clip_image088[2])一样的高度,而此时发现下界仍然可以上升,因此经过M步后,下界又被拉升,但达不到与clip_image102[3]另外一个特定值一样的高度,之后E步又将下界拉到与这个特定值一样的高度,重复下去,直到最大值。 如果我们定义 clip_image103 从前面的推导中我们知道clip_image105,EM可以看作是J的坐标上升法,E步固定clip_image026[8],优化clip_image107,M步固定clip_image107[1]优化clip_image026[9]。3. 重新审视混合高斯模型 我们已经知道了EM的精髓和推导过程,再次审视一下混合高斯模型。之前提到的混合高斯模型的参数clip_image109和clip_image111计算公式都是根据很多假定得出的,有些没有说明来由。为了简单,这里在M步只给出clip_image113和clip_image115的推导方法。E步很简单,按照一般EM公式得到: clip_image116 简单解释就是每个样例i的隐含类别clip_image055[2]为j的概率可以通过后验概率计算得到。 在M步中,我们需要在固定clip_image072[4]后最大化最大似然估计,也就是 clip_image118 这是将clip_image120的k种情况展开后的样子,未知参数clip_image122和clip_image124。 固定clip_image126和clip_image128,对clip_image130求导得 clip_image131 等于0时,得到 clip_image132 这就是我们之前模型中的clip_image115[1]的更新公式。 然后推导clip_image126[1]的更新公式。看之前得到的 clip_image133 在clip_image113[1]和clip_image115[2]确定后,分子上面的一串都是常数了,实际上需要优化的公式是: clip_image134 需要知道的是,clip_image126[2]还需要满足一定的约束条件就是clip_image136。 这个优化问题我们很熟悉了,直接构造拉格朗日乘子。 clip_image137 还有一点就是clip_image139,但这一点会在得到的公式里自动满足。 求导得, clip_image141 等于0,得到 clip_image142 也就是说clip_image143再次使用clip_image136[1],得到 clip_image144 这样就神奇地得到了clip_image146。 那么就顺势得到M步中clip_image126[3]的更新公式: clip_image147 clip_image111[1]的推导也类似,不过稍微复杂一些,毕竟是矩阵。结果在之前的混合高斯模型中已经给出。4. 总结 如果将样本看作观察值,潜在类别看作是隐藏变量,那么聚类问题也就是参数估计问题,只不过聚类问题中参数分为隐含类别变量和其他参数,这犹如在x-y坐标 系中找一个曲线的极值,然而曲线函数不能直接求导,因此什么梯度下降方法就不适用了。但固定一个变量后,另外一个可以通过求导得到,因此可以使用坐标上升 法,一次固定一个变量,对另外的求极值,最后逐步逼近极值。对应到EM上,E步估计隐含变量,M步估计其他参数,交替将极值推向最大。EM中还有“硬”指 定和“软”指定的概念,“软”指定看似更为合理,但计算量要大,“硬”指定在某些场合如K-means中更为实用(要是保持一个样本点到其他所有中心的概 率,就会很麻烦)。 另外,EM的收敛性证明方法确实很牛,能够利用log的凹函数性质,还能够想到利用创造下界,拉平函数下界,优化下界的方法来逐步逼近极大值。而且每一步 迭代都能保证是单调的。最重要的是证明的数学公式非常精妙,硬是分子分母都乘以z的概率变成期望来套上Jensen不等式,前人都是怎么想到的。 在Mitchell的Machine Learning书中也举了一个EM应用的例子,明白地说就是将班上学生的身高都放在一起,要求聚成两个类。这些身高可以看作是男生身高的高斯分布和女生 身高的高斯分布组成。因此变成了如何估计每个样例是男生还是女生,然后在确定男女生情况下,如何估计均值和方差,里面也给出了公式,有兴趣可以参考。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值