深度学习入门 ---softmax回归

---

该算法的Python实现，可以查看 深度学习入门—softmax回归 Python实现。本文论述算法原理

---

Softmax可以理解为logistic在多类上的扩展。模型如下：

假设我们拥有数据：${（x^{(i)},y^{(i)}）,m=0,1,2,...}$，此时我们对每一样本，都有假设：

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 $\theta$ 来表示全部的模型参数。在实现Softmax回归时，将$\theta$ 用一个 $k \times(n+1)$ 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：

接下来是代价函数：

首先，先认识一个这样的符号：
这符号是示性函数。

$$\textstyle 1\{ 值为真的表达式 \textstyle \}=1$$
$$\textstyle 1\{ 值为假的表达式 \textstyle \}=0$$

代价函数表达如下：

目前，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：

$\textstyle \nabla_{\theta_j} J(\theta)$本身是一个向量，它的第 $\textstyle l 个元素 \textstyle \frac{\partial J(\theta)}{\partial \theta_{jl}}$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: $\textstyle \theta_j := \theta_j - \alpha \nabla_{\theta_j} J(\theta)(\textstyle j=1,\ldots,k）$。
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。我们接下来介绍它的细节。

---

权重衰减

我们通过添加一个权重衰减项 $\textstyle \frac{\lambda}{2} \sum_{i=1}^k \sum_{j=0}^{n} \theta_{ij}^2$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：

有了这个权重衰减项以后 $(\textstyle \lambda > 0)$，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$\textstyle J(\theta)$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：

---

梯度检验

在完成代价函数偏导数$\nabla_{\theta_j}J(\theta)$的求导后，我们最好验证一下该求导结果是否正确。如果计算错误，我们能够直接判断我们的代码出现了问题。

梯度检验主要利用下面一条式子：

转换为：

如果能验证到

则求导结果是正确的

上式两端值的接近程度取决于 $\textstyle J$ 的具体形式。但是在假定$\textstyle {\rm EPSILON} = 10^{-4}$的情况下，你通常会发现上式左右两端至少有4位有效数字是一样的（通常会更多）。

但要注意的是，$\theta$一般情况下都是向量，这时候再具体代码实现时，要注意。

假设我们有一个用于计算 $\textstyle \frac{\partial}{\partial \theta_i} J(\theta)的函数 \textstyle g_i(\theta)$；我们想要检验 $\textstyle g_i$是否输出正确的求导结果。我们定义 $\textstyle \theta^{(i+)} = \theta + {\rm EPSILON} \times \vec{e}_i$，其中

是第 $\textstyle i$个基向量（维度和 $\textstyle \theta$相同，在第
$\textstyle i$ 行是$“\textstyle 1”$而其他行是$“\textstyle 0”）$。所以，$\textstyle \theta^{(i+)}$ 和 $\textstyle \theta$几乎相同，除了第 $\textstyle i$行元素增加了 $\textstyle EPSILON$。类似地，$\textstyle \theta^{(i-)} = \theta - {\rm EPSILON} \times \vec{e}_i$得到的第$\textstyle i$ 行减小了$\textstyle EPSILON。$然后我们可以对每个 $\textstyle i$检查下式是否成立，进而验证 $\textstyle g_i(\theta)$ 的正确性：

下面给出梯度检查的代码。如果我们想检查参数的梯度是否正确，我们需要以下几个步骤：

首先使用一个或多个样本对算法进行训练，这样就能获得每个权重的梯度。
将$w_{ij}$加上一个很小的值()，重新计算神经网络在这个样本下的$w_{ij}$。
将$w_{ij}$减上一个很小的值()，重新计算神经网络在这个样本下的$w_{ij}$。
根据检验公式计算出期望的梯度值，和第一步获得的梯度值进行比较，它们应该几乎相等(至少4位有效数字相同)。

---

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。