第二门课
第一周
数据集的组织
根据经验,我建议大家要确保验证集和测试集的数据来自同一分布,关于这个问题我也会多讲一些。因为你们要用验证集来评估不同的模型,尽可能地优化性能。如果验证集和测试集来自同一个分布就会很好。
偏差、方差
主要研究的是训练集误差和验证集方差
L2正则化
dropout
如何实施dropout呢?方法有几种,接下来我要讲的是最常用的方法,即inverted dropout(反向随机失活)
最后,我们向外扩展
a
[
3
]
a^{[3]}
a[3],用它除以0.8,或者除以keep-prob参数。
a
[
3
]
/
=
k
e
e
p
−
p
r
o
b
a^{[3]}/=keep-prob
a[3]/=keep−prob
下面我解释一下为什么要这么做,为方便起见,我们假设第三隐藏层上有50个单元或50个神经元,在一维上
a
[
3
]
a^{[3]}
a[3]是50,我们通过因子分解将它拆分成
50
×
m
50×m
50×m维的,保留和删除它们的概率分别为80%和20%,这意味着最后被删除或归零的单元平均有10(50×20%=10)个,现在我们看下
z
[
4
]
z^{\lbrack4]}
z[4],
z
[
4
]
=
w
[
4
]
a
[
3
]
+
b
[
4
]
z^{[4]} = w^{[4]} a^{[3]} + b^{[4]}
z[4]=w[4]a[3]+b[4],我们的预期是,
a
[
3
]
a^{[3]}
a[3]减少20%,也就是说
a
[
3
]
a^{[3]}
a[3]中有20%的元素被归零,为了不影响
z
[
4
]
z^{\lbrack4]}
z[4]的期望值,我们需要用
w
[
4
]
a
[
3
]
/
0.8
w^{[4]} a^{[3]}/0.8
w[4]a[3]/0.8,它将会修正或弥补我们所需的那20%,
a
[
3
]
a^{[3]}
a[3]的期望值不会变,划线部分就是所谓的dropout方法。
注意:一般在测试阶段不使用dropout
dropout一大缺点就是代价函数 J J J不再被明确定义,每次迭代,都会随机移除一些节点,如果再三检查梯度下降的性能,实际上是很难进行复查的。定义明确的代价函数 J J J每次迭代后都会下降,因为我们所优化的代价函数 J J J实际上并没有明确定义,或者说在某种程度上很难计算,所以我们失去了调试工具来绘制这样的图片。我通常会关闭dropout函数,将keep-prob的值设为1,运行代码,确保J函数单调递减。然后打开dropout函数,希望在dropout过程中,代码并未引入bug。我觉得你也可以尝试其它方法,虽然我们并没有关于这些方法性能的数据统计,但你可以把它们与dropout方法一起使用。
其他正则化方法
数据扩增
图像翻转、变形、剪切、缩放,
因为训练集有冗余,这虽然不如我们额外收集一组新图片那么好,但这样做节省了获取更多猫咪图片的花费。
这些额外的假的数据无法包含像全新数据那么多的信息,但我们这么做基本没有花费,代价几乎为零,除了一些对抗性代价。以这种方式扩增算法数据,进而正则化数据集,减少过拟合比较廉价。
early stoping
绘制训练误差(代价函数误差)的曲线,绘制验证集误差的曲线,
当你还未在神经网络上运行太多迭代过程的时候,参数
w
w
w接近0,因为随机初始化
w
w
w值时,它的值可能都是较小的随机值,所以在你长期训练神经网络之前
w
w
w依然很小,在迭代过程和训练过程中
w
w
w的值会变得越来越大,比如在这儿,神经网络中参数
w
w
w的值已经非常大了,所以early stopping要做就是在中间点停止迭代过程,我们得到一个
w
w
w值中等大小的弗罗贝尼乌斯范数,与
L
2
L2
L2正则化相似,选择参数w范数较小的神经网络,但愿你的神经网络过度拟合不严重。
术语early stopping代表提早停止训练神经网络
在机器学习中,超级参数激增,选出可行的算法也变得越来越复杂。我发现,如果我们用一组工具优化代价函数 J J J,机器学习就会变得更简单,在重点优化代价函数 J J J时,你只需要留意 w w w和 b b b, J ( w , b ) J(w,b) J(w,b)的值越小越好,你只需要想办法减小这个值,其它的不用关注。然后,预防过拟合还有其他任务,换句话说就是减少方差,这一步我们用另外一套工具来实现,这个原理有时被称为“正交化”。思路就是在一个时间做一个任务
early stopping的主要缺点就是你不能独立地处理这两个问题,因为提早停止梯度下降,也就是停止了优化代价函数 J J J,因为现在你不再尝试降低代价函数 J J J,所以代价函数 J J J的值可能不够小,同时你又希望不出现过拟合,你没有采取不同的方式来解决这两个问题,而是用一种方法同时解决两个问题,这样做的结果是我要考虑的东西变得更复杂。
如果不用early stopping,另一种方法就是 L 2 L2 L2正则化,训练神经网络的时间就可能很长。我发现,这导致超级参数搜索空间更容易分解,也更容易搜索,但是缺点在于,你必须尝试很多正则化参数 λ \lambda λ的值,这也导致搜索大量 λ \lambda λ值的计算代价太高。
Early stopping的优点是,只运行一次梯度下降,你可以找出 w w w的较小值,中间值和较大值,而无需尝试 L 2 L2 L2正则化超级参数 λ \lambda λ的很多值。