Andrew Ng机器学习笔记（四）

一、简介

---

正则化项即罚函数，该项对模型向量进行“惩罚”，从而避免单纯最小二乘问题的过拟合问题。正则化项本质上是一种先验信息，整个最优化问题从贝叶斯观点来看是一种贝叶斯最大后验估计，其中正则化项对应后验估计中的先验信息，损失函数对应后验估计中的似然函数，两者的乘积即对应贝叶斯最大后验估计的形式，如果你将这个贝叶斯最大后验估计的形式取对数，即进行极大似然估计，你就会发现问题立马变成了损失函数+正则化项的最优化问题形式。

二、主要内容

---

The problem of overfitting:

最左边的图并没有把样本点很好地拟合在直线上面，所以左图叫做欠拟合，中间的图刚好能将样本数据很好地拟合，而且波动不是很大，最右边的图能拟合所有的样本点，但是波动非常大，所以，最右边的图片称为过度拟合。由图下面函数可以知道：如果我们拟合一个高阶多项式，那么这个函数几乎能拟合所有的训练样本。
过拟合是指为了得到一致假设而使假设变得过度严格。避免过拟合是分类器设计中的一个核心任务。通常采用增大数据量和测试样本集的方法对分类器性能进行评价。给定一个假设空间H，一个假设h属于H，如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小，但在整个实例分布上h’比h的错误率小，那么就说假设h过度拟合训练数据。
弹幕上面的NFL定理：NFL（No Free Lunch）定理，翻译过来就是“没有免费午餐”定理，收的是在机器学习中，没有给定具体问题的情况下，或者说面对的是所有问题的情况下，没有一种算法能说得上比另一种算法好。换成我们的俗话讲，就是“不存在放之四海而皆准的方法”。只有在给定某一问题，比如说给“用特定的数据集给西瓜进行分类”，才能分析并指出某一算法比另一算法好。这就要求我们具体问题具体分析，而不能指望找到某个算法后，就一直指望着这个“万能”的算法。这大概也是no free lunch名字的由来吧。

最左边的图是欠拟合，中间的有一个决策边界，将两类数据很好地分割开了，是训练集的很好的拟合样本，第三个则为过拟合，逻辑回归自身扭曲，它将两类数据完全分割开来，但是同一个横坐标对应多个纵坐标的值，即无法使它泛化到新的数据样本中。
在变量过多的时候，同时如果我们没有足够的数据集去约束这个变量过多的模型，那么就会发生过拟合。

解决过拟合的方法如上图，即：
**1. 尽量减少选取变量的数量：保留更为重要的一些变量。有种算法叫模型算法，这种算法可以自动选择采用那些特征变量，自动舍弃不需要的变量，缺点是：当我们舍弃一部分特征变量时，我们也舍弃了一些信息。
模型算法控制（Model Algorithm Control，简称MAC），由内部模型、参考轨迹和控制算法三部分内容所组成。MAC的最优准则是：选择未来某一时域（p）内的控制量（u）序列，使相应的预测输出yp尽可能接近期望输出（即参考轨迹）

$$y_r$$ ，即使下式目标函数 $$J_p$$ 为最小：
$$J_p=\sum_{i=1}^{p} [y_p(k+i)-y_r(k+i)]_{w_i}^2$$
式中， $$w_i$$ 为非负加权系数，它代表各采样时刻的偏差在目标函数 $$J_p$$ 中所占比重。
根据公式可解出一组控制量 $$[u(k),u(k+1),......,u(k+p-1)]$$ 使 $$J_p$$ 为最小。
2. 正则化：正则化中我们将保留所有的特征变量，但是会减小特征变量的数量级（参数数值的大小）。 $$θ(j)$$ 当我们有很多特征变量时，其中每一个变量都能对预测产生一点影响，也就是说每一个变量都是有用的，因此我们不希望把它们删掉，这就导致了正则化概念的发生。

---

Cost Function：

让较高阶次数的参数趋于0，就会使高阶项趋于0，然后得到一个比较平缓的图像，这个图像也能较好地拟合训练数据，有更强的泛化能力。

在线性回归和逻辑回归中增加了正则化的代价函数如上，λ是正则化参数，它在两个目标之间做平衡（第一个目标是使假设更好地拟合训练数据，第二个目标是保持参数值较小），当λ大时，惩罚加重，能够更好地实现第二个目标，使假设的形式保持简单，当λ小时，能够更好地实现第一个目标，但拟合的风险更大，当λ很大时，所有的惩罚项都趋于0（相当于去掉了这些惩罚项），这时候假设就会欠拟合。

在线性回归正则化中，我们改变θ的值来得到代价函数的最小值，当除

$$θ_0$$ 外的θ的值都趋于0的时候，只剩下 $$θ_0$$ 这时，假设函数是一个常数函数，这个函数欠拟合。

Regularized Linear Regression：

线性回归有两种方法求拟合曲线的参数：第一种是梯度下降法，第二种是正规方程法。
用正则化优化后的代价函数为：

$$J(θ)=\dfrac{1}{2m}[\sum_{i=1}^m (h_θ(x^i)-y^i)^2+λ\sum_{j=1}^nθ_j^2]$$
梯度下降变为：

因为在正则化中没有 $$θ_0$$ 这一项，所以把 $$θ_0$$ 单独拿出来，在实际操作中也可以加入对 $$θ_0$$ 的惩罚，但是对最后的结果不会有太大的影响。
$$θ_j=θ_j(1-α \frac{λ}{m})- α \frac{λ}{m} \sum_{i=1}^m(h_θ (x^i -y^i)x_j^i)$$ 分为两个部分，前一个部分是θ乘以一个小于1的数，把θ压缩了，后面的部分是执行和之前一样的更新。

加入正则化之后，相当于在原来的方程中多加了一项λ乘以一个单位矩阵。

加入正则化项之后可以不要求 $$x^T x$$ 必须可逆了。
利用正则化可以避免过度拟合，即使在很小的训练集有很多的变量的时候。

---

Regularized Logistic Regression：

逻辑回归的正则化梯度下降为上图，但是h_θ和之前的线性回归里面的梯度下降的公式不一样，这里

$$h_θ (x)$$ 是sigmoid函数。

以上是一些代码，总之我们需要的就是这个自定义函数costFunction，我们可以将这个函数作为参数传入到 fminunc 系统函数中（fminunc 用来求函数的最小值，将@costFunction作为参数代进去，注意 @costFunction 类似于C语言中的函数指针），fminunc返回的是函数 costFunction 在无约束条件下的最小值，即我们提供的代价函数 jVal 的最小值，当然也会返回向量 θ 的解。

三、参考链接

---

https://baike.baidu.com/item/%E8%BF%87%E6%8B%9F%E5%90%88/3359778?fr=aladdin
https://www.zhihu.com/question/20924039
http://www.jianshu.com/p/cbe8e0fe7b2c
http://www.cnblogs.com/jianxinzhou/p/4083921.html
https://baike.baidu.com/item/%E6%A8%A1%E5%9E%8B%E7%AE%97%E6%B3%95%E6%8E%A7%E5%88%B6/19173182