优化策略5 Label Smoothing Regularization_LSR原理分析

Label Smoothing Regularization（LSR）是一种通过在输出y中添加噪声，实现对模型进行约束，降低模型过拟合（overfitting）程度的一种约束方法（regularization methed）。

获取最新消息链接：获取最新消息快速通道 - lqfarmer的博客 - 博客频道 - CSDN.NET

1、背景

假设有一个分类模型，预测观测样本x属于K个类别的概率。对于观测样本x，采用P（y’|x）表示模型对x的预测的概率分布，q（y|x）表示模型输出y的真实分布。分类器采用交叉熵做为目标函数，使模型预测的概率分布P（y’|x）尽量接近真实的概率分布q（y|x）。在进行模型训练时，通常采用类似one-hot-to-vec的0或1的方式，对真实分布q（y|x）进行编码，即观测样本属于某些类别，则对应类别的P(y|x)的值为1，否则为0。这样的编码方式存在两个明显的问题：

（1）、可能导致过拟合。0或1的标记方式导致模型概率估计值为1，或接近于1，这样的编码方式不够soft，容易导致过拟合。为什么？用于训练模型的training set通常是很有限的，往往不能覆盖所有的情况，特别是在训练样本比较少的情况下更为明显。以神经机器翻译（NMT）为例：假设预测句子“今天下午我们去..”中，“去”后面的一个词。假设只有“去钓鱼”和“去逛街”两种搭配，且真实的句子是“今天下午我们去钓鱼”。training set中，“去钓鱼”这个搭配出现10次，“去逛街”搭配出现40次。“去钓鱼”出现概率真实概率是20%，“去逛街”出现的真实概率是80%。因为采用0或1的表示方式，随着training次数增加，模型逐渐倾向于“去逛街”这个搭配，使这个搭配预测概率为100%或接近于100%，“去钓鱼”这个搭配逐渐被忽略。

（2）、模型become too confident about its predictions。情况与过拟合比较类似，模型对它的预测过于confident，导致模型对观测变量x的预测严重偏离真实的情况，比如上述例子中，把“去逛街”搭配出现的概率从80%放大到100%，这种放大是不合理的。

获取最新消息链接：获取最新消息快速通道 - lqfarmer的博客 - 博客频道 - CSDN.NET

2、Label Smoothing的原理及解释

Label Smoothing Regularization（LSR）就是为了缓解由label不够soft而容易导致过拟合的问题，使模型对预测less confident。LSR的方法原理：

假设q（y|x）表示label y的真实分布；u（y）表示一个关于label y，且独立于观测样本x（与x无关）的固定且已知的分布，通过下面公式（1）重写label y的分布q（y|x）：

q’（y|x）=（1 - e）* q（y|x）+ e * u（y） （1）

其中，e属于[0,1]。把label y的真实分布q（y|x）与固定的分布u（y）按照1-e和e的权重混合在一起，构成一个新的分布。这相当于对label y中加入噪声，y值有e的概率来自于分布u（k）。为方便计算，u（y）一般服从简单的均匀分布，则u（y）=1/K，K表示模型预测类别数目。因此，公式（1）表示成公式（2）所示：

q’（y|x）= （1 - e）* q（y|x） + e / K （2）

注意，LSR可以防止模型把预测值过度集中在概率较大类别上，把一些概率分到其他概率较小类别上。

从交叉熵的角度，可以得到关于LSR的另一个解释。引入噪声分布u（k）之后，模型的交叉熵loss公式变为公式（3）所示。

H（q’，p）=-E（1...K）（log（p（k））*q’（k））

=（1 - e）* H（q，p）+ e*H（u，p） （3）

其中，E（1...K）表示从1至K的累加求和。因此，LSR相当于采用两个losses，即H（q，p）和H（u，p）来代替原始单一的交叉熵损失函数H（q，p）。u（k）是往label中加入的、已知的先验分布，按照e / (1 - e)的概率来偏移（deviation）预测分布p。这种偏移（deviation）可以通过KL距离来获得，H（u，p）= D（KL）（u||p）+H（u），其中，H（u）是已知且固定的。当u服从均匀分布时，H（u，p）衡量预测分布p与均匀分布u的不相似程度。

获取最新消息链接：获取最新消息快速通道 - lqfarmer的博客 - 博客频道 - CSDN.NET

往期内容推荐：

纯干货-8 21套深度学习相关的视频教程分享
模型汇总17 基于Depthwise Separable Convolutions的Seq2Seq模型_SliceNet原理解析
模型汇总16 各类Seq2Seq模型对比及《Attention Is All You Need》中技术详解
<模型汇总-6>堆叠自动编码器Stacked_AutoEncoder-SAE
深度学习模型-13 迁移学习（Transfer Learning）技术概述

 更多深度学习在NLP方面应用的经典论文、实践经验和最新消息，欢迎关注微信公众号“深度学习与NLP ” 或“ DeepLearning_NLP ”或扫描二维码添加关注。