吴恩达深度学习总结(5)

数据的划分

给定一堆数据，我们需要将数据划分为训练集，验证集和测试集。训练集用于训练模型，验证集用于从不同的模型中选出最优的结构，测试集用于检测模型的泛化性能。
对于小数据，通常按照7/3（只分训练和测试）或者6/2/2。
对于大数据（百万级数据），按照98/1/1或者99.5/0.4/0.1划分。
验证集和测试集最好有同一个来源并且分布相同；若从同一堆数据中分割训练集、验证集和测试集，那么三个集合的分布最好与原始数据的分布一致。

bias和variance

high bias 通常是指训练模型不能很好的拟合训练数据（在训练集中错误率较高）
high variance 通常是指训练模型没有很好的泛化性能（在测试集中错误率较高）
当train set error为 1%，dev（验证集）set error为11%时，成为high variance；当train set error为 15%，dev（验证集）set error为16%时，成为high bias，因为训练集与验证集的误差相差不大；当train set error为 15%，dev（验证集）set error为31%时，成为high bias 和 high variance（训练集与验证集的误差都很高，但是验证集的误差更高）。吴恩达在视频中提到，以上假设的前提是人眼能充分识别样本集中的所有样本，即最优错误率（bages error）为0%时，上述情况是成立的。当最优错误率为15%时，那么训练集的错误率为15%就不能成为high bias。
high bias和high variance是说训练样本过分拟合了训练集中的部分数据，但对其余数据是线性分布。

模型训练的基本观点

对于high bias的情况，可以使用更深的网络，更长的训练时间，甚至选择不同的神经网络结构来调整
对于high variance的情况，可以用更多的数据训练并通过正则化来减少过拟合。（正则化后的网络加深只会增大训练时间。正常来说，正则化之后的网络variance降低但bias增大，但可以通过使用更大更深的网络来避免这种情况）

regularization

添加范数

$$J(\omega ,b)=\frac{1}{m}\sum _{i=1}^m\mathcal{L}({\hat{y}}^{(i)},y^{(i)})+\frac{\lambda }{2m}||\omega |{|}_F$$
范数可以为二范数，也可以为一范数。
$$||\omega |{|}_2^2=\sum _{j=1}^{n_x}{\omega }_j^2={\omega }^T\omega$$
$$||\omega |{|}_1=\sum _{i=1}^{n_x}|{\omega }_i$$
在模型训练的过程中 $\lambda$ 是通过验证集来配置。

为什么添加范数可以防止过拟合

过拟合很大程度上是因为训练的模型过于复杂导致的。以正则化项为二范数为例
$$d{\omega }^{[l]}=(\text{from backward})+\frac{\lambda }{m}{\omega }^{[l]}$$
$${\omega }^{[l]}={\omega }^{[l]}-\alpha d{\omega }^{[l]}$$
所以
$${\omega }^{[l]}={\omega }^{[l]}-\alpha [(\text{from backward})+\frac{\lambda }{m}{\omega }^{[l]}]$$
$$=(1-\frac{\alpha \lambda }{m}){\omega }^{[l]}-\alpha (\text{from backward})$$
所以参数 ${\omega }^{[l]}$ 变小，权重衰减（weight decay），对于激活函数（如tanh），当权重很小时，激活函数可以近似为线性函数，若多个网络层全为近似线性的函数，那么训练出的模型也可近似认为是线性，所以整个网络复杂度就会降低，很好的预防了过拟合。
如果用一范数作为正则化项，可以在一定程度上使权重表现出很好的稀疏度

Dropout

定义

以一定概率消除网络中的某些节点，并消除进入和离开该节点的连线。

实现方法

吴恩达是通过随机化一个与权重矩阵大小相同的随机矩阵，若随机矩阵上的值小于keep_prob，那么就将这些位置上的值设为0。做了这些处理之后，权重矩阵的均值会减少，因此需要将处理后的权重矩阵除以keep_prob。
在实现dropout的backward时，可以根据权重矩阵，对那些为0位置上的权重不进行权重的更新。
测试阶段不会使用 dropout，因为不想使结果随机

优势

因为每一个节点都可能被取消，因此训练的网络不会过分依赖某一个feature，但是缺点是该方法不能很好的表述。
因为dropout可能带来欠拟合的现象，因此除非过拟合，否则不使用dropout。

其他regularization的方法

1. 数据增强
2. early stopping

normalization

均值零化
$$\mu =\frac{1}{m}\sum _{i=1}^m{x}^{(i)}$$
$$x=x-\mu$$
归一化方差
$${\sigma }^2=\frac{1}{m}\sum _{i=1}^m{x}^{(i)}\ast \ast 2$$
$$x=x/{\sigma }^2$$
当输入测试集时同样需要归一化。
在normalization之后，可以选用较大的学习率，比较快速的实现梯度下降。
对于图片这种输入在一定范围内的输入一般不需要做normalization

梯度消失和梯度爆炸

当权重大于1时，随着神经网络的加深，权重会越来越大，发生梯度爆炸。
当权重小于1时，随着神经网络的加深，权重会越来越小，发生梯度消失。
为了防止这种情况的发生，权重通常选择1的近似值，所以在权重初始化时，通常会乘上系数。

1. ReLU的初始化：$${\omega }^{[l]}=np.random.randn(shape)\ast np.sqrt(\frac{2}{n^{[l-1]}})$$
2. tanh的初始化：$${\omega }^{[l]}=np.random.randn(shape)\ast np.sqrt(\frac{1}{n^{[l-1]}})$$ 或 $${\omega }^{[l]}=np.random.randn(shape)\ast np.sqrt(\frac{2}{n^{[l-1]}\ast n^{[l]}})$$