PRML学习笔记---线性分类模型（生成模型 & 判别模型）

本偏笔记主要针对线性分类模型中的logistic regression 以及 multiclass logistic regression

Logistic Regression Model

逻辑回归模型是针对二类的分类模型，本质上其建模了类的后验概率

1.其由来（Probabilistic Generative Models）

根据贝叶斯公式，类的后验概率为：

$$p(C_1|\mathbf{x})=\frac{p(\mathbf{x}|C_1)p(C_1)}{p(\mathbf{x}|C_2)p(C_2)+p(\mathbf{x}|C_1)p(C_1)}\tag {1.1}$$
假设我们定义如下一个式子：
$$a = ln\frac{p(\mathbf{x}|C_1)p(C_1)}{p(\mathbf{x}|C_2)p(C_2)}\tag {1.2}$$
那么恰有：
$$\sigma(a)=\frac{1}{1+exp(-a)}=p(C_1|\mathbf{x})\tag{1.3}$$

也就是说，当我们做了式$(1.2)$这样一个特殊的变量替换or换元后，类的后验概率可以用logistic sigmoid建模。实际上，我们知道logistic regression模型在做决策时：

$$y=\begin{cases} C_1,\quad y > 0.5\\\\ C_2,\quad y < 0.5\\\\ randomGuess, y == 0.5 \end{cases}\tag{1.4}$$
而当逻辑回归模型当输出为0.5时，也就是 $a = ln\frac{p(\mathbf{x}|C_1)p(C_1)}{p(\mathbf{x}|C_2)p(C_2)}= ln\frac{p(C_1|\mathbf{x})p(\mathbf{x})}{p(C_2|\mathbf{x})p(\mathbf{x})}=ln\frac{p(C_1|\mathbf{x})}{p(C_2|\mathbf{x})}=0.5$, 换言之两类当后验概率相等时，无法做出决策。

2.其求解(Maximum likelihood)

如果输入变量是连续的

假设类条件概率密度（class-conditional distribution）服从高斯分布，并且两类的协方差一致。在这样的前提假设下，据式$(1.2)$可化为

$$a=\mathbf{w}^T\mathbf{x}+w_0\tag{2.1}$$
其中
$$\mathbf{w}=\Sigma^{-1}(\mu_1-\mu_2)\tag{2.2}$$
$$w_0=-\frac{1}{2}\mu_1^T\Sigma^{-1}\mu_1+\frac{1}{2}\mu_2^T\Sigma^{-1}\mu_2+ln\frac{p_1}{p_2}\tag{2.3}$$
则式 $(1.3)$可化为
$$p(C_1|\mathbf{x})=\sigma(a)=\sigma(\mathbf{w}^T\mathbf{x}+w_0)\tag{2.4}$$
其中 $\mu_1$和 $\mu_2$分别为 $C_1$和 $C_2$类分布的期望， $\Sigma$ 为分布的协方差。

也就是说在我们假定类条件密度分布服从高斯分布的前提下，最终类的后验概率是式$(2.4)$.可以看到最终的决策边界是线性超平面，也即$\mathbf{w}^T\mathbf{x}=0$

要求类的后验，可以先求类的先验和类的条件密度分布的参数，再由贝叶斯公式（等价于直接使用式$(2.2)$和$(2.3)$,$(2.4)$）。

假设当下训练数据集为$\{\mathbf{x}_n,t_n\}$，且类别编码方式

$$t_n=\begin{cases} 1, 若为C_1\\\\ 0, else \end{cases}$$
那么完全数据的对数似然函数为：
$$ln p(\mathbf{t},\mathbf{X}|\pi,\mu_1,\mu_2,\Sigma)=ln\prod_{i=1}^N[\pi\mathcal N(\mathbf{x}_n|\mu_1,\Sigma)]^t_n [\pi\mathcal N(\mathbf{x}_n|\mu_2,\Sigma)]^{1-t_n}\tag{2.5}$$
求解可得：
$$\mu_1=\frac{1}{N_1}\sum_{i=1}^N t_n\mathbf{x}_n\tag{2.6}$$
$$\mu_2=\frac{1}{N_2}\sum_{i=1}^N(1- t_n)\mathbf{x}_n\tag{2.7}$$
$$\Sigma=\mathbf{S}=\frac{N_1}{N}\mathbf{S}_1+\frac{N_2}{N}\mathbf{S}_2\tag{2.8}$$
其中
$$\mathbf{S}_i=\frac{1}{N_i}\sum_{n\in C_i}(\mathbf{x}_n-\mu_1)(\mathbf{x}_n-\mu_1)^T\tag{2.9}$$

也就是说利用最大似然求解，类条件密度分布的期望为该类的数据的均值，而协方差则为各类协方差的加权平均

3.换个角度求解(Probabilistic Discriminative Models)

实际上,除了利用最大似然求解先验以及类的条件密度分布的参数后，隐式地利用式$(2.2),(2.3),(2.4)$求解外，还有另一种求法。既然我们已经知道了类的后验概率可以在一定的假设下写作式$(2.4)$，那么此时我们可以直接利用训练数据通过最大似然显式地求解参数$\mathbf{w}$和$w_0$

3.1 梯度下降

要利用随机梯度下降或者批梯度下降求解，我们需要获得的便是梯度

假设我们手中的训练集为$\{\phi_n,t_n\}$,此处$\phi_n = \phi(\mathbf{x}_n)$可视为对原始输入做了特征提取。那么似然函数为：

$$p(\mathbf{t}|\mathbf{w})=\prod_{n=1}^N y_n^{t_n}\{1-y_n\}^{1-t_n}\tag{3.1}$$
其中
$$y_n =p(C_1|\phi_n)=\sigma(\mathbf{w}^T\phi_n)\tag{3.2}$$
那么损失函数便可定义为：
$$E(\mathbf{w})=-lnp(\mathbf{t}|\mathbf{w})=-\sum_{n=1}^N\{t_nlny_n+(1-t_n)ln(1-y_n)\}\tag{3.3}$$

注意到这个误差函数叫交叉熵损失函数

其关于参数$\mathbf{w}$的导数为：

$$\nabla E(\mathbf{w})=\sum_{n=1}^N(y_n-t_n)\phi_n\tag{3.4}$$

3.2迭代再加权最小二乘法

对于参数$\mathbf{w}$ 的求解除了一般的梯度下降，我们还可以使用更有效的迭代算法，这便是IRLS（IteRative reweighted least squares)。这个算法是基于Newton-Raphson Iterative optimization scheme:

$$\mathbf{w}^{(new)} =\mathbf{w}^{(old)}-\mathbf{H}^{-1}\nabla E(\mathbf{w})\tag{3.5}$$
其中 $\mathbf{H}$为误差函数关于参数 $\mathbf{w}$的二阶导

这是一种局部二次近似，我们可以从线性回归模型来看看：
在线性回归模型中，我们知道对数似然函数是参数$\mathbf{w}的二次函数$，其有解析解（Normal Equation），但是在利用梯度下降求解的时候，我们是逐步去逼近这个最优解（解析解）。但是如果我们用局部二次近似，便可以一步到位
：

$$\nabla E(\mathbf{w}) = \sum_{n=1}^N(\mathbf{w}^T\phi_n-t_n)\phi_n=\Phi^T\Phi\mathbf{w}-\Phi^T\mathbf{t}$$
$$\nabla\nabla E(\mathbf{w}) = \sum_{n=1}^N\phi_n\phi_n^T=\Phi^T\Phi$$
$$\mathbf{w}^{(new)} =\mathbf{w}^{(old)}-(\Phi^T\Phi)^{-1}\{\Phi^T\Phi\mathbf{w^{old}}-\Phi^T\mathbf{t}\}=(\Phi^T\Phi)^{-1}\Phi^T\mathbf{t}\tag{3.6}$$

那么对于logistic regression而言：

$$\nabla E(\mathbf{w}) = \sum_{n=1}^N(y_n-t_n)\phi_n=\Phi^T(\mathbf{y}-\mathbf{t})\tag{3.7}$$
$$\nabla\nabla E(\mathbf{w}) =\mathbf{H}= \sum_{n=1}^Ny_n(1-y_n)\phi_n\phi_n^T=\Phi^T\mathbf{R}\Phi\tag{3.8}$$
其中 $\mathbf{R}$是一个对角阵， $R_{nn}=y_n(1-y_n)$
$$\mathbf{w}^{(new)} =\mathbf{w}^{(old)}-(\Phi^T\mathbf{R}\Phi)^{-1}\Phi^T(\mathbf{y}-\mathbf{t})=(\Phi^T\mathbf{R}\Phi)^{-1}\Phi^T\mathbf{RZ}\tag{3.9}$$
其中
$$\mathbf{Z}=\Phi\mathbf{w}^{old}-\mathbf{R}^{-1}(\mathbf{y}-\mathbf{t})\tag{3.10}$$

直接求解的好处

Multi-class logistic regression

More general