机器学习、人工智能炙手可热,但是机器到底为什么可以学习呢?本文将从霍夫丁不等式讲到VC维,探究机器学习的原因所在。
本文的主要内容参考国立台湾大学的《机器学习基石》课程,作者在其基础上进行了部分提炼与整合。
机器怎么可能学习
机器学习乍听之下很厉害,这时候人就会想,这一个普普通通的死板的机器,怎么会学习呢?
很容易地,人们举了个简单的问题(如下图):
x,y,g,f
分别表示:数据集、数据标签、预测模型、实际的模型。前5行的数据代表已知的,后三行的数据需要机器学习预测模型去预测。
悲催的是,符合已知的数据的预测模型最多有8种,这8种任选一种,都可以完全符合已知的数据,也都可以完全不符合未知的数据。这么看来,机器确实是学习不到东西的。
机器确实可能会学习
假定面前有一个箱子,箱子里面有绿球和黄球,已知黄球的比例是
μ
,希望通过抽取
N
个样本,学习样本中黄球的比例
μ,v
满足的关系如下,其中
ϵ
代表误差限,下面的式子叫做Hoeffding
不等式。
设定一定的误差容忍限 ϵ 后,需要做到如下的事情机器才可能学习:
- 采样样本量 N 足够大
Ein 足够小
有了Hoeffding
不等式后,我们会想,机器如果有足够大的数据,是不是就可以学习到数据背后的模型,也就实现了机器学习?
机器为什么可以学习
机器学习的一般模式
在探讨机器为什么可以学习之前,先阐述下机器学习的一般模式。
一句话阐述如下:算法
A
通过数据
机器要学习,需要满足这两件事情:
Ein 小- Ein≈Eout
多次试验与假设集
上述的
Hoeffding
不等式只适用于单次实验,假定假设集是 R2 上的直线,那么单次实验相当于确定直线为 y=x+1 的时候, Ein,Eout 的差值受Hoeffding
不等式的限制。可是,一般情况下,我们的假设集是很大的, R2 上的直线包含无限个假设 g 。如果不断尝试假设
g ,视比例 v 为Ein ,那么总会找到对应 Ein很小的 g 。对应计算盒子中黄球的比例v 很低,那么当取了非常非常多次后,非常大的可能会出现 v=0 (也就是 Ein=0 )的情况。可是,这种时候不能说 μ=0 (也就是 Eout=0 )。同样的,当假设集的大小是 M 时,
P(BAD) 的上限是 M 个假设g 的 P(BAD) 的和,所以有:P(|Ein−Eout|>ϵ)P(BAD)≤2Mexp(−2ϵ2N)≤2Mexp(−2ϵ2N)设定一定的误差容忍限 ϵ 后,需要做到如下的事情机器才可能学习:
- 采样样本量 N 足够大
Ein 足够小- M 不能太大
这样一来,又一个问题接踵而来,很多假设集(比如
R2 上直线)的 M 都是无穷的啊,这样的话机器岂不是不能学习?M从哪来
首先,先来分析下上面式子中的
M 来源于哪里。
M 是假设集中所有g 的个数,但是以 R2 上的直线为例,相当多的直线长得差不多,这样 M 中的所有g 重叠了很大一部分,所以自然而然地引出了一个问题:对于一个假设集 H ,有效的
M 是多少呢(揭露下,是 mH(N) 啦)?break point与VC维
有效的假设集的个数,和假设集的break point关系很大。假设集的break point指的是:不能被假设集打散(shatter)的最小的点的个数。需要注意的是,这里不能被打散是指点的所有分布都不能被打散。
举个例子, R2 上的直线,3个点有可以打散的分布,也有不可以打散的分布;但是4个点的任何分布都是打不散的。所以 R2 上的直线的break point是4。
常见的假设集及其break point如下:
假设集 break point positive ray 2 positive intervals 3 convex sets no 2D perceptrons 4 break point求出之后, mH(n)=O(Nk−1) ,其增长率受break point的限制。
VC维是break point-1的值,物理含义是自由参数。
通过前面的计算,得到了:
P(|Ein−Eout|>ϵ)P(BAD)≤2Mexp(−2ϵ2N)≤2Mexp(−2ϵ2N)稍作变换, 即得到:
P(|Ein−Eout|>ϵ)P(BAD)≤4(2N)dvcexp(−18ϵ2N)≤4(2N)dvcexp(−18ϵ2N)设定一定的误差容忍限 ϵ 后,需要做到如下的事情机器才可能学习:
- 采样样本量 N 足够大
Ein 足够小- VC维不能太大
这样一来,选择合适的假设集,机器学习成为了可能。
机器什么时候可以学习
- 潜在的模式
- 没有明确的公式,不容易编程解决
- 有关于模式的数据
机器怎么学习
最简单的学习方法是PLA,其假设集是 h(x)=sign(wTx) 。
其算法核心是:更正错误,迭代提高。
- 找到在当前模型参数下 wt 错误的数据 (xn,yn) ,即 sign(wTtxn)≠yn
- 更正模型参数, wt+1=wt+ynxn
这样更正的依据是:让 wTxy>0 ,通过每次更正,保证了 wTt+1xnyn≥wTtxnyn 。
PLA保证如果线性可分,那么最终模型收敛。
PLA如果线性不可分,则可设定迭代次数,每次获得新的模型,与先前模型比较,选择最优模型。
如何让机器学得更好
让机器学得更好,可参考如下几点:
- 数据预处理
- 合适假设集
- 特征变换
- 特征选择
- 处理过拟合
- 验证
- 核方法
- 集合模型
- 特征提取
总结
理论 适用范围 公式 Hoeffding 单假设集 P(BAD)≤2exp(−2ϵ2N) Multi-Bin Hoeffding M 个假设集 P(BAD)≤2Mexp(−2ϵ2N) VC 假设集集合 H P(BAD)≤4(2N)dvcexp(−18ϵ2N)