吴恩达机器学习--中文笔记--第五周

本文是在学习吴恩达老师机器学习课程的基础上结合老师的ppt文献然后加上自身理解编写出来的，有些地方可能有遗漏或错误，欢迎大家批评指正。希望我们一起学习，一起进步！

第五个星期

1.代价函数与反向传播

1.1代价函数

首先，我们需要定义一些后面用到的变量：

1. L = 神经网络的层数
2. $s_l=$第$l$层的单元数（不包括偏置单元）
3. K = 输出单元数/类别数
   神经网络听起来高大上，其实就是逻辑回归的复杂版。值得注意的一点是，我们用$h_{\Theta }(x{)}_k$作为假设函数表示第k类输出的节点。回忆一下，我们的逻辑回归的代价函数是
   $J(\theta )=-\frac{1}{m}\sum _{i=1}^m[y^{(i)}log(h_{\theta }(x^{(i)}))+(1-y^{(i)})log(1-h_{\theta }(x^{(i)}))]+\frac{\lambda }{2m}\sum _{j=1}^n{\theta }_j^2$
   在神经网络中，我们的代价函数变为了
   $J(\Theta )=-\frac{1}{m}\sum _{i=1}^m\sum _{k=1}^K[y_k^{(i)}log((h_{\Theta }(x^{(i)}){)}_k)+(1-y_k^{(i)})log(1-(h_{\Theta }(x^{(i)}){)}_k)]+\frac{\lambda }{2m}\sum _{l=1}^{L-1}\sum _{i=1}^{s_l}\sum _{j=1}^{s_{l+1}}({\Theta }_{j,i}^{(l)}{)}^2$

1.2反向传播算法

和前面一样，想要使得模型最优，我们必须要$\min J(\Theta )$,为了实现这一目标，最关键的就是要求解$\frac{\partial }{\partial {\Theta }_{i,j}^{(l)}}J(\Theta )$。何以求解？我们遵循下面的步骤就可以了。
反向传播算法步骤：
假设我们有数据集 { ( x ( 1 ) , y ( 1 ) ) . . . ( x ( m ) , y ( m ) ) } \{(x^{(1)},y^{(1)})...(x^{(m)},y^{(m)})\} {(x(1),y(1))...(x(m),y(m))}

• 设置${\Delta }_{i.j}^{(l)}:=0$，for all(l,i,j).你会得到一个全0的矩阵

对于1至m样本

1. 我们让$a^{(1)}:=x^{(t)}$
2. 通过前向传播计算$a^{(l)},l=2,3,...,L$(见下图)
   
3. 第三步，计算${\delta }^{(L)}$
   ${\delta }^{(L)}=a^{(L)}-y^{(t)}$
   其中，L是神经网络所有层的层数，$a^{(L)}$是最后一层激活单元输出的向量，$y^{(t)}$是真实向量值
4. 计算${\delta }^{(L-1)}，{\delta }^{(L-2)}，{\delta }^{(L-3)}，...，{\delta }^{(2)}$
   ${\delta }^{(l)}=(({\Theta }^{(l)}{)}^T{\delta }^{(l+1)}).\ast a^{(l)}.\ast (1-a^{(l)})$
   其实$g^{\prime }(z^{(l)})=a^{(l)}.\ast (1-a^{(l)})$,所以，也可以这样写：
   ${\delta }^{(l)}=(({\Theta }^{(l)}{)}^T{\delta }^{(l+1)}).\ast g^{\prime }(z^{(l)})$
5. ${\Delta }_{i,j}^{(l)}={\Delta }_{i,j}^{(l)}+a_j^{(l)}{\delta }_i^{(l+1)}$,或者用向量表示${\Delta }^{(l)}={\Delta }^{(l)}+{\delta }^{(l+1)}(a^{(l)}{)}^T$
6. 加上正则化，我们得到：
   $D_{i,j}^{(l)}=\frac{1}{m}({\Delta }_{i,j}^{(l)}+\lambda {\Theta }_{i,j}^{(l)}),j\ne 0$
   $D_{i,j}^{(l)}=\frac{1}{m}{\Delta }_{i,j}^{(l)},j=0$
7. 事实上，经过了这么多步，你可能会一头雾水，说了一大堆，我如何更新$\Theta$？不慌，这里悄悄告诉你，$\frac{\partial }{\partial {\Theta }_{i,j}^{(l)}}J(\Theta )=D_{i,j}^{(l)}$。这样你就可以尽情更新了。

1.3反向传播算法的直觉理解

不得不说，反向传播算法还是比较复杂和晦涩难懂的，吴恩达教授在视频中也提到，其实他也没能完全吃透神经网络这个黑盒子的机制道理。但不得不承认神经网络所训练出来的模型确实好用，准确度很高。
如何理解$\delta$呢？我们还是先回忆一下神经网络的代价函数。
$J(\Theta )=-\frac{1}{m}\sum _{i=1}^m\sum _{k=1}^K[y_k^{(i)}log((h_{\Theta }(x^{(i)}){)}_k)+(1-y_k^{(i)})log(1-(h_{\Theta }(x^{(i)}){)}_k)]+\frac{\lambda }{2m}\sum _{l=1}^{L-1}\sum _{i=1}^{s_l}\sum _{j=1}^{s_{l+1}}({\Theta }_{j,i}^{(l)}{)}^2$
如果我们假设我们是二分类（K=1），而且没有正则化。那么代价函数为：
$cost(t)=y^{(t)}log(h_{\Theta }(x^{(t)}))+(1-y^{(t)})log(1-h_{\Theta }(x^{(t)}))$
直观来看，${\delta }_j^{(l)}$就是$a_j^{(l)}$的相对于准确值误差，更正规地来讲，${\delta }_j^{(l)}$是代价函数的导数值。
即：${\delta }_j^{(l)}=\frac{\partial }{\partial z_j^{(l)}}cost(t)$
接下来用一个例子来演示一下。

看上面这张图，假设我们要计算${\delta }_2^{(2)}$，我们需要找到其所在节点右侧连接的下一层的所有节点及其连接边（${\delta }_1^{(3)},{\delta }_2^{(3)},{\Theta }_{12}^{(2)},{\Theta }_{22}^{(2)}$）。然后计算${\delta }_2^{(2)}={\Theta }_{12}^{(2)}{\delta }_1^{(3)}+{\Theta }_{22}^{(2)}{\delta }_2^{(3)}$。
按照这个规律，我们就是从右至左，利用下一层的信息和连接边的权重，不断的更新${\delta }_j^{(l)}$，这就是反向传播。

2.实战中的反向传播

2.参数的展开和恢复

为了更好的用代码实现反向传播过程，有时候，我们要把一些参数进行展开，向量化。比如：
${\Theta }^{(1)},{\Theta }^{(2)},{\Theta }^{(3)},...$
$D^{(1)},D^{(2)},D^{(3)},...$
它们用下面的代码展开：

thetaVector = [ Theta1(:); Theta2(:); Theta3(:); ]
deltaVector = [ D1(:); D2(:); D3(:) ]

如果Theta1的维度是10*11，Theta2的维度是10*11，Theta3的维度是1*11，我们通过下面的代码可以转换回来。

Theta1 = reshape(thetaVector(1:110),10,11)
Theta2 = reshape(thetaVector(111:220),10,11)
Theta3 = reshape(thetaVector(221:231),1,11)

2.2梯度检查

为了保证导数计算出的梯度的正确性，我们使用传统数学方法粗略的计算某一点附近的（$-ϵ,ϵ$）大致梯度，从而实施梯度检查。
我们知道，一个函数的导数可以这样写:
$\frac{\partial }{\partial \Theta }J(\Theta )\approx \frac{J(\Theta +ϵ)-J(\Theta -ϵ)}{2ϵ}$
当存在多变量时，$\frac{\partial }{\partial {\Theta }_j}J(\Theta )\approx \frac{J({\Theta }_1,...,{\Theta }_j+ϵ,...,{\Theta }_n)-J({\Theta }_1,...,{\Theta }_j-ϵ,...,{\Theta }_n)}{2ϵ}$
一般情况下$ϵ=10^{-4}$,效果比较好，太小会导致数值问题。
对应的matlab代码如下：

epsilon = 1e-4;
for i = 1:n,
  thetaPlus = theta;
  thetaPlus(i) += epsilon;
  thetaMinus = theta;
  thetaMinus(i) -= epsilon;
  gradApprox(i) = (J(thetaPlus) - J(thetaMinus))/(2*epsilon)
end;

值得注意的一点是，一旦你确定了偏微分的正确性，便可以禁用梯度检查代码。因为如果不这样做，代码运行速度会大大降低。

2.3随机初始化

在神经网络中，如果将$\Theta$全部初始为0，那么神经网络将无法被良好的训练，因为这样的情况下，经过反向传播，同一层所有节点都会被更新到相同的值和状态，也就是说，同一层节点再多也没用。
那么如何进行随机初始化呢？，请看下图：

总之，就是要将$\Theta$随机限定在$[-ϵ,ϵ]$内。
对应MATLAB代码如下：

If the dimensions of Theta1 is 10x11, Theta2 is 10x11 and Theta3 is 1x11.

Theta1 = rand(10,11) * (2 * INIT_EPSILON) - INIT_EPSILON;
Theta2 = rand(10,11) * (2 * INIT_EPSILON) - INIT_EPSILON;
Theta3 = rand(1,11) * (2 * INIT_EPSILON) - INIT_EPSILON;

2.4步骤小结

首先选择一个合适的神经网络结构，包括：

• 输入特征数量
• 隐藏层数量及其每层节点数（通常情况下，隐藏层越多，分类效果越好）
• 输出层数量，也就是分类的个数
• 如果有多个隐藏层，建议每个隐藏层保持同样数量的节点

接着训练神经网络，步骤为：

• 权重参数随机初始化
• 实现前向传播计算$h_{\Theta }(x)$
• 计算代价函数
• 实现反向传播计算偏微分
• 使用梯度检查方法确保反向传播正常运行，发现没问题后记得禁用梯度检查
• 使用梯度下降或高级优化方法来最小化代价函数$J(\Theta )$,并更新$\Theta$值

下面这张图演示了当反向传播计算时，代价函数的变化情况：

可以看出，有时候，我们可能不会进入全局最优，而会陷入局部最优。

参考文献

链接: Coursera Machine Learning.