1.前言
前面已经推导过线性回归和逻辑斯特回归的梯度下降算法。
- 线性回归的梯度下降算法:https://blog.csdn.net/qq_30232405/article/details/104153928
- 逻辑斯特回归的梯度下降算法:https://blog.csdn.net/qq_30232405/article/details/104486826
它们各自的梯度下降算法公式为:
- 线性回归:
h θ ( x ) = θ 0 x 0 + θ 0 x 1 + . . . + θ n x n θ j : = θ j − α 1 m ∑ i = 1 m ( h θ ( x j ( i ) ) − y ( i ) ) x j ( i ) (1-1) h_{\theta}(x) = \theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n \\ \theta_j := \theta_j - \alpha \frac{1}{m} \sum^{m}_{i=1} (h_{\theta}(x^{(i)}_j) - y^{(i)}) x^{(i)}_j \tag{1-1} hθ(x)=θ0x0+θ0x1+...+θnxnθj:=θj−αm1i=1∑m(hθ(xj(i))−y(i))xj(i)(1-1) - 逻辑斯特回归:
h θ ( x ) = g ( θ 0 x 0 + θ 0 x 1 + . . . + θ n x n ) θ j : = θ j − α 1 m ∑ i m ( h θ ( x ( i ) ) − y ( i ) ) x j ( i ) (1-2) h_{\theta}(x) = g(\theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n) \\ \theta_j:=\theta_j- \alpha \frac{1}{m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})x^{(i)}_j \tag{1-2} hθ(x)=g(θ0x0+θ0x1+...+θnxn)θj:=θj−αm1i∑m(hθ(x(i))−y(i))xj(i)(1-2)
其中 g g g为sigmoid函数
2.过拟合问题及其解决方法
如上图,左图展示了一个拟合曲线不能很好的拟合数据,这个现象被称为“欠拟合问题(underfitting)”;而最右图虽然能够很好的拟合数据,但是曲线过于复杂,当需要预测新数据时,可能会有偏差,这时候被称为“过拟合问题(overfitting)”
2.1 拟合问题中偏差和方差
- 偏差和方差
评价数据拟合程度好坏,通常用代价函数 J J J。如果只关注 J t r a i n J_{train} Jtrain(训练集误差)的话,通常会导致过拟合,因此还需要关注 J c v J_{cv} Jcv(交叉验证集误差)。 - 高偏差: J t r a i n J_{train} Jtrain和 J c v J_{cv} Jcv都很大,并且 J t r a i n ≈ J c v J_{train} \approx J_{cv} Jtrain≈Jcv。对应欠拟合。
- 高方差: J t r a i n J_{train} Jtrain较小, J c v J_{cv} Jcv远大于 J t r a i n J_{train} Jtrain。对应过拟合。
如何理解高偏差和高方差?
(1)高偏差对应着欠拟合,此时
J
t
r
a
i
n
J_{train}
Jtrain也较大,可以理解为对任何新数据(不论其是否属于训练集),都有着较大的
J
c
v
J_{cv}
Jcv误差,偏离真实预测较大。
(2)高方差对应着过拟合,此时 J t r a i n J_{train} Jtrain很小,对于新数据来说,如果其属性与训练集类似,它的 J c v J_{cv} Jcv就会小些,如果属性与训练集不同, J c v J_{cv} Jcv就会很大,因此有一个比较大的波动,因此说是高方差。
就像打靶一样,偏差描述了我们的射击总体是否偏离了我们的目标,而方差描述了射击准不准。
对于 多项式回归,当次数选取较低时,我们的 训练集误差 和 交叉验证集误差 都会很大;当次数选择刚好时,训练集误差 和 交叉验证集误差 都很小;当次数过大时会产生过拟合,虽然 训练集误差 很小,但 交叉验证集误差 会很大( 关系图如下 )。
所以我们可以计算
J
t
r
a
i
n
(
θ
)
J_{train}(θ)
Jtrain(θ)和
J
c
v
(
θ
)
J_{cv}(θ)
Jcv(θ),如果他们同时很大的话,就是遇到了高偏差问题,而
J
c
v
(
θ
)
J_{cv}(θ)
Jcv(θ)比
J
t
r
a
i
n
(
θ
)
J_{train}(θ)
Jtrain(θ) 大很多的话,则是遇到了高方差问题。
2.2 正则化(regulization)
正则化主要是用来解决过拟合问题。
右图因为比左图增加了两个参数
θ
3
\theta_3
θ3和
θ
4
\theta_4
θ4,所以造成了过拟合现象。而如果我们在最小化代价函数
J
(
θ
)
J(\theta)
J(θ)的时候,也同时把
θ
3
\theta_3
θ3和
θ
4
\theta_4
θ4缩小到近乎等于0,这时候就可以变为左图的曲线,从而解决过拟合问题。
实际上,最小化公式可以变为:
m
i
n
θ
1
2
m
∑
i
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
2
+
λ
θ
3
2
+
λ
θ
4
2
(2-1)
\mathop{min} \limits_{\theta} \frac{1}{2m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})^2 + \lambda \theta_3^2 + \lambda \theta_4^2 \tag{2-1}
θmin2m1i∑m(hθ(x(i))−y(i))2+λθ32+λθ42(2-1)
这个公式在最小化代价函数的时候,也使得
θ
3
\theta_3
θ3和
θ
4
\theta_4
θ4缩小到近乎等于0。
因为我们不知道哪个参数对模型有效果,所以可以把整体的参数都进行缩小,借鉴公式(2-1)可以把代价函数改写成:
J
(
θ
)
=
1
2
m
∑
i
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
2
+
λ
∑
j
n
θ
j
2
(2-2)
J(\theta) = \frac{1}{2m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})^2 + \lambda \sum_j^{n} \theta_j^2 \tag{2-2}
J(θ)=2m1i∑m(hθ(x(i))−y(i))2+λj∑nθj2(2-2)
- 其中 λ \lambda λ是用来平衡“原始代价函数的值”和“参数和”之间的关系。
2.3 线性回归的正则化
根据公式(2-2),当使用梯度下降算法更新参数 θ \theta θ时, 1 2 m ∑ i m ( h θ ( x ( i ) ) − y ( i ) ) 2 \frac{1}{2m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})^2 2m1∑im(hθ(x(i))−y(i))2对 θ j \theta_j θj求偏导数还是和原来的一样,而 λ ∑ j n θ j 2 \lambda \sum_j^{n} \theta_j^2 λ∑jnθj2对 θ j \theta_j θj求偏导数:
∂ λ ∑ j n θ j 2 ∂ θ j = 2 λ θ j → λ θ j (2-3) \frac{\partial \lambda \sum_j^{n} \theta_j^2}{\partial \theta_j} = 2 \lambda \theta_j \to \lambda \theta_j \tag{2-3} ∂θj∂λ∑jnθj2=2λθj→λθj(2-3)
- 其中2可以融合到 λ \lambda λ中.
最后公式(1-1)更新为:
h
θ
(
x
)
=
θ
0
x
0
+
θ
0
x
1
+
.
.
.
+
θ
n
x
n
θ
j
:
=
θ
j
−
α
[
1
m
∑
i
=
1
m
(
h
θ
(
x
j
(
i
)
)
−
y
(
i
)
)
x
j
(
i
)
+
λ
θ
j
]
(2-4)
h_{\theta}(x) = \theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n \\ \theta_j := \theta_j - \alpha [\frac{1}{m} \sum^{m}_{i=1} (h_{\theta}(x^{(i)}_j) - y^{(i)}) x^{(i)}_j + \lambda \theta_j] \tag{2-4}
hθ(x)=θ0x0+θ0x1+...+θnxnθj:=θj−α[m1i=1∑m(hθ(xj(i))−y(i))xj(i)+λθj](2-4)
2.4 逻辑斯特回归的正则化
同理,逻辑斯特回归加上正则项后,公式(1-2)更新为:
h
θ
(
x
)
=
g
(
θ
0
x
0
+
θ
0
x
1
+
.
.
.
+
θ
n
x
n
)
θ
j
:
=
θ
j
−
α
[
1
m
∑
i
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
x
j
(
i
)
+
λ
θ
j
]
(2-5)
h_{\theta}(x) = g(\theta_0 x_0 + \theta_0 x_1 + ... + \theta_n x_n) \\ \theta_j:=\theta_j- \alpha [\frac{1}{m} \sum_i^{m}(h_\theta(x^{(i)}) - y^{(i)})x^{(i)}_j + \lambda \theta_j]\tag{2-5}
hθ(x)=g(θ0x0+θ0x1+...+θnxn)θj:=θj−α[m1i∑m(hθ(x(i))−y(i))xj(i)+λθj](2-5)