转载请注明出处:http://blog.csdn.net/gamer_gyt
博主微博:http://weibo.com/234654758
Github:https://github.com/thinkgamer
简介
在本节中,我们介绍Softmax回归模型,该模型是logistic回归模型在多分类问题上的推广,在多分类问题中,类标签 y \textstyle y y可以取两个以上的值。 Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的,该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的,不过后面也会介绍它与深度学习/无监督学习方法的结合。(译者注: MNIST 是一个手写数字识别库,由NYU 的Yann LeCun 等人维护。http://yann.lecun.com/exdb/mnist/ )
回想一下在 logistic 回归中,我们的训练集由 \textstyle m 个已标记的样本构成:
{
(
x
(
1
)
,
y
(
1
)
)
,
…
,
(
x
(
m
)
,
y
(
m
)
)
}
\{ (x^{(1)}, y^{(1)}), \ldots, (x^{(m)}, y^{(m)}) \}
{(x(1),y(1)),…,(x(m),y(m))} ,其中输入特征
x
(
i
)
∈
ℜ
n
+
1
x^{(i)} \in \Re^{n+1}
x(i)∈ℜn+1(我们对符号的约定如下:特征向量
x
\textstyle x
x 的维度为
n
+
1
\textstyle n+1
n+1,其中
x
0
=
1
\textstyle x_0 = 1
x0=1 对应截距项 。) 由于 logistic 回归是针对二分类问题的,因此类标记
y
(
i
)
∈
{
0
,
1
}
y^{(i)} \in \{0,1\}
y(i)∈{0,1}。假设函数(hypothesis function) 如下:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ h_\theta (x) =…
我们将训练模型参数
θ
\textstyle \theta
θ,使其能够最小化代价函数 :
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ J(\theta) = -\…
在 softmax回归中,我们解决的是多分类问题(相对于 logistic 回归解决的二分类问题),类标
y
\textstyle y
y可以取
k
\textstyle k
k 个不同的值(而不是 2 个)。因此,对于训练集
{
(
x
(
1
)
,
y
(
1
)
)
,
…
,
(
x
(
m
)
,
y
(
m
)
)
}
\{ (x^{(1)}, y^{(1)}), \ldots, (x^{(m)}, y^{(m)}) \}
{(x(1),y(1)),…,(x(m),y(m))},我们有
y
(
i
)
∈
{
1
,
2
,
…
,
k
}
y^{(i)} \in \{1, 2, \ldots, k\}
y(i)∈{1,2,…,k}。(注意此处的类别下标从 1 开始,而不是 0)。例如,在 MNIST 数字识别任务中,我们有
k
=
10
\textstyle k=10
k=10个不同的类别。
对于给定的测试输入 x \textstyle x x,我们想用假设函数针对每一个类别j估算出概率值 p ( y = j ∣ x ) \textstyle p(y=j | x) p(y=j∣x)。也就是说,我们想估计 x \textstyle x x 的每一种分类结果出现的概率。因此,我们的假设函数将要输出一个 k \textstyle k k维的向量(向量元素的和为1)来表示这 k \textstyle k k 个估计的概率值。 具体地说,我们的假设函数 h θ ( x ) \textstyle h_{\theta}(x) hθ(x) 形式如下:
$$
\begin{align}
h_\theta(x^{(i)}) =
\begin{bmatrix}
p(y^{(i)} = 1 | x^{(i)}; \theta) \
p(y^{(i)} = 2 | x^{(i)}; \theta) \
\vdots \
p(y^{(i)} = k | x^{(i)}; \theta)
\end{bmatrix}
\frac{1}{ \sum_{j=1}{k}{e{ \theta_j^T x^{(i)} }} }
\begin{bmatrix}
e^{ \theta_1^T x^{(i)} } \
e^{ \theta_2^T x^{(i)} } \
\vdots \
e^{ \theta_k^T x^{(i)} } \
\end{bmatrix}
\end{align}
$$
其中$ \theta_1, \theta_2, \ldots, \theta_k \in \Re^{n+1}$ 是模型的参数。请注意$ \frac{1}{ \sum_{j=1}{k}{e{ \theta_j^T x^{(i)} }} } $这一项对概率分布进行归一化,使得所有概率之和为 1 。
为了方便起见,我们同样使用符号$ \textstyle \theta$ 来表示全部的模型参数。在实现Softmax回归时,将$ \textstyle \theta$ 用一个$ \textstyle k \times(n+1) $的矩阵来表示会很方便,该矩阵是将 $ \theta_1, \theta_2, \ldots, \theta_k $ 按行罗列起来得到的,如下所示:
KaTeX parse error: Undefined control sequence: \mbox at position 27: …begin{bmatrix} \̲m̲b̲o̲x̲{---} \theta_1^…
代价函数
现在我们来介绍 softmax 回归算法的代价函数。在下面的公式中,
1
{
⋅
}
\textstyle 1\{\cdot\}
1{⋅} 是示性函数,其取值规则为:
$ \textstyle 1{ 值为真的表达式 \textstyle }=1 $
,$ \textstyle 1{ 值为假的表达式 \textstyle }=0 。 举 例 来 说 , 表 达 式 。举例来说,表达式 。举例来说,表达式 \textstyle 1{2+2=4} 的 值 为 1 , 的值为1 , 的值为1, \textstyle 1{1+1=5} $的值为 0。我们的代价函数为:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ J(\theta) = - …
值得注意的是,上述公式是logistic回归代价函数的推广。logistic回归代价函数可以改为:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ J(\theta) &= -…
可以看到,Softmax代价函数与logistic 代价函数在形式上非常类似,只是在Softmax损失函数中对类标记的 $\textstyle k $个可能值进行了累加。注意在Softmax回归中将 \textstyle x 分类为类别 $\textstyle j $的概率为:
p
(
y
(
i
)
=
j
∣
x
(
i
)
;
θ
)
=
e
θ
j
T
x
(
i
)
∑
l
=
1
k
e
θ
l
T
x
(
i
)
.
p(y^{(i)} = j | x^{(i)} ; \theta) = \frac{e^{\theta_j^T x^{(i)}}}{\sum_{l=1}^k e^{ \theta_l^T x^{(i)}} } .
p(y(i)=j∣x(i);θ)=∑l=1keθlTx(i)eθjTx(i).
对于$ \textstyle J(\theta)$ 的最小化问题,目前还没有闭式解法。因此,我们使用迭代的优化算法(例如梯度下降法,或 L-BFGS)。经过求导,我们得到梯度公式如下:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \nabla_{\theta…
让我们来回顾一下符号 "$ \textstyle \nabla_{\theta_j}
"
的
含
义
。
" 的含义。
"的含义。\textstyle \nabla_{\theta_j} J(\theta)$ 本身是一个向量,它的第$ \textstyle l
个
元
素
个元素
个元素 \textstyle \frac{\partial J(\theta)}{\partial \theta_{jl}}
是
是
是 \textstyle J(\theta)对\textstyle \theta_j $的第 $\textstyle l $个分量的偏导数。
有了上面的偏导数公式以后,我们就可以将它代入到梯度下降法等算法中,来最小化$ \textstyle J(\theta)$。 例如,在梯度下降法的标准实现中,每一次迭代需要进行如下更新: θ j : = θ j − α ∇ θ j J ( θ ) ( j = 1 , … , k ) \textstyle \theta_j := \theta_j - \alpha \nabla_{\theta_j} J(\theta)(\textstyle j=1,\ldots,k) θj:=θj−α∇θjJ(θ)(j=1,…,k)。
当实现 softmax 回归算法时, 我们通常会使用上述代价函数的一个改进版本。具体来说,就是和权重衰减(weight decay)一起使用。我们接下来介绍使用它的动机和细节。
Softmax回归模型参数化的特点
Softmax 回归有一个不寻常的特点:它有一个“冗余”的参数集。为了便于阐述这一特点,假设我们从参数向量 $\textstyle \theta_j $中减去了向量 ψ \textstyle \psi ψ,这时,每一个$ \textstyle \theta_j $都变成了 θ j − ψ ( j = 1 , … , k ) \textstyle \theta_j - \psi(\textstyle j=1, \ldots, k) θj−ψ(j=1,…,k)。此时假设函数变成了以下的式子:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ p(y^{(i)} = j …
换句话说,从$ \textstyle \theta_j
中
减
去
中减去
中减去 \textstyle \psi$ 完全不影响假设函数的预测结果!这表明前面的 softmax 回归模型中存在冗余的参数。更正式一点来说, Softmax 模型被过度参数化了。对于任意一个用于拟合数据的假设函数,可以求出多组参数值,这些参数得到的是完全相同的假设函数$ \textstyle h_\theta$。
进一步而言,如果参数 $\textstyle (\theta_1, \theta_2,\ldots, \theta_k)
是
代
价
函
数
是代价函数
是代价函数 \textstyle J(\theta)$ 的极小值点,那么 $\textstyle (\theta_1 - \psi, \theta_2 - \psi,\ldots,
\theta_k - \psi) $同样也是它的极小值点,其中
ψ
\textstyle \psi
ψ 可以为任意向量。因此使
J
(
θ
)
\textstyle J(\theta)
J(θ) 最小化的解不是唯一的。(有趣的是,由于$ \textstyle J(\theta)$ 仍然是一个凸函数,因此梯度下降时不会遇到局部最优解的问题。但是 Hessian 矩阵是奇异的/不可逆的,这会直接导致采用牛顿法优化就遇到数值计算的问题)
注意,当$ \textstyle \psi = \theta_1$ 时,我们总是可以将
θ
1
\textstyle \theta_1
θ1替换为
θ
1
−
ψ
=
0
⃗
\textstyle \theta_1 - \psi = \vec{0}
θ1−ψ=0(即替换为全零向量),并且这种变换不会影响假设函数。因此我们可以去掉参数向量 $\textstyle \theta_1 $(或者其他 $\textstyle \theta_j
中
的
任
意
一
个
)
而
不
影
响
假
设
函
数
的
表
达
能
力
。
实
际
上
,
与
其
优
化
全
部
的
中的任意一个)而不影响假设函数的表达能力。实际上,与其优化全部的
中的任意一个)而不影响假设函数的表达能力。实际上,与其优化全部的 \textstyle k\times(n+1) $个参数
(
θ
1
,
θ
2
,
…
,
θ
k
)
\textstyle (\theta_1, \theta_2,\ldots, \theta_k)
(θ1,θ2,…,θk) (其中
θ
j
∈
ℜ
n
+
1
)
\textstyle \theta_j \in \Re^{n+1})
θj∈ℜn+1),我们可以令$ \textstyle \theta_1 =
\vec{0}
,
只
优
化
剩
余
,只优化剩余
,只优化剩余的 \textstyle (k-1)\times(n+1)$ 个参数,这样算法依然能够正常工作。
在实际应用中,为了使算法实现更简单清楚,往往保留所有参数$ \textstyle (\theta_1, \theta_2,\ldots, \theta_n)$,而不任意地将某一参数设置为 0。但此时我们需要对代价函数做一个改动:加入权重衰减。权重衰减可以解决 softmax 回归的参数冗余所带来的数值问题。
权重衰减
我们通过添加一个权重衰减项 λ 2 ∑ i = 1 k ∑ j = 0 n θ i j 2 \textstyle \frac{\lambda}{2} \sum_{i=1}^k \sum_{j=0}^{n} \theta_{ij}^2 2λ∑i=1k∑j=0nθij2 来修改代价函数,这个衰减项会惩罚过大的参数值,现在我们的代价函数变为:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ J(\theta) = - …
有了这个权重衰减项以后 (
λ
>
0
\textstyle \lambda > 0
λ>0),代价函数就变成了严格的凸函数,这样就可以保证得到唯一的解了。 此时的 Hessian矩阵变为可逆矩阵,并且因为
J
(
θ
)
\textstyle J(\theta)
J(θ)是凸函数,梯度下降法和 L-BFGS 等算法可以保证收敛到全局最优解。
为了使用优化算法,我们需要求得这个新函数$ \textstyle J(\theta)$ 的导数,如下:
$$
\begin{align}
\nabla_{\theta_j} J(\theta) = - \frac{1}{m} \sum_{i=1}^{m}{ \left[ x^{(i)} ( 1{ y^{(i)} = j} - p(y^{(i)} = j | x^{(i)}; \theta) ) \right] } + \lambda \theta_j
\end{align}
通过最小化 \textstyle J(\theta),我们就能实现一个可用的 softmax 回归模型。
Softmax回归与Logistic 回归的关系
当类别数$ \textstyle k = 2 $时,softmax 回归退化为 logistic 回归。这表明 softmax 回归是 logistic 回归的一般形式。具体地说,当 $\textstyle k = 2 $时,softmax 回归的假设函数为:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ h_\theta(x) &=…
利用softmax回归参数冗余的特点,我们令$ \textstyle \psi = \theta_1
,
并
且
从
两
个
参
数
向
量
中
都
减
去
向
量
,并且从两个参数向量中都减去向量
,并且从两个参数向量中都减去向量 \textstyle \theta_1$,得到:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ h(x) &= \frac{…
因此,用$ \textstyle \theta
′
来
表
示
'来表示
′来表示\textstyle \theta_2-\theta_1$,我们就会发现 softmax 回归器预测其中一个类别的概率为
1
1
+
e
(
θ
′
)
T
x
(
i
)
\textstyle \frac{1}{ 1 + e^{ (\theta')^T x^{(i)} } }
1+e(θ′)Tx(i)1,另一个类别概率的为$ \textstyle 1 - \frac{1}{ 1 + e^{ (\theta’)^T x^{(i)} } }$,这与 logistic回归是一致的。
Softmax 回归 vs. k 个二元分类器
如果你在开发一个音乐分类的应用,需要对k种类型的音乐进行识别,那么是选择使用 softmax 分类器呢,还是使用 logistic 回归算法建立 k 个独立的二元分类器呢?
这一选择取决于你的类别之间是否互斥,例如,如果你有四个类别的音乐,分别为:古典音乐、乡村音乐、摇滚乐和爵士乐,那么你可以假设每个训练样本只会被打上一个标签(即:一首歌只能属于这四种音乐类型的其中一种),此时你应该使用类别数 k = 4 的softmax回归。(如果在你的数据集中,有的歌曲不属于以上四类的其中任何一类,那么你可以添加一个“其他类”,并将类别数 k 设为5。)
如果你的四个类别如下:人声音乐、舞曲、影视原声、流行歌曲,那么这些类别之间并不是互斥的。例如:一首歌曲可以来源于影视原声,同时也包含人声 。这种情况下,使用4个二分类的 logistic 回归分类器更为合适。这样,对于每个新的音乐作品 ,我们的算法可以分别判断它是否属于各个类别。
现在我们来看一个计算视觉领域的例子,你的任务是将图像分到三个不同类别中。(i) 假设这三个类别分别是:室内场景、户外城区场景、户外荒野场景。你会使用sofmax回归还是 3个logistic 回归分类器呢? (ii) 现在假设这三个类别分别是室内场景、黑白图片、包含人物的图片,你又会选择 softmax 回归还是多个 logistic 回归分类器呢?
在第一个例子中,三个类别是互斥的,因此更适于选择softmax回归分类器 。而在第二个例子中,建立三个独立的 logistic回归分类器更加合适。
中英文对照
- Softmax回归 Softmax Regression
- 有监督学习 supervised learning
- 无监督学习 unsupervised learning
- 深度学习 deep learning
- logistic回归 logistic regression
- 截距项 intercept term
- 二元分类 binary classification
- 类型标记 class labels
- 估值函数/估计值 hypothesis
- 代价函数 cost function
- 多元分类 multi-class classification
- 权重衰减 weight decay
原文链接:http://ufldl.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92
英文链接:http://ufldl.stanford.edu/wiki/index.php/Softmax_Regression
扫一扫 关注微信公众号!号主 专注于搜索和推荐系统,尝试使用算法去更好的服务于用户,包括但不局限于机器学习,深度学习,强化学习,自然语言理解,知识图谱,还不定时分享技术,资料,思考等文章!