吴恩达机器学习（第六章）——正则化

第六章-正则化

过拟合问题

如果我们有非常多的特征，我们通过学习得到的假设可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会不能推广到新的数据。

下图是一个回归问题的例子：

第一个模型是一个线性模型，不能很好地适应我们的训练集。这是欠拟合（underfitting），算法具有高偏差（high bias）。
第二个模型是一个二次方模型，这个拟合效果很好。
第三个模型是一个四次方模型，过于强调拟合原始数据，若给出一个新的值使之预测，它将表现的很差。这就是过拟合（overfitting），算法具有高方差（high variance）。

概括的说，过度拟合问题将会在变量过多的时候出现，这时训练出的假设能很好地拟合训练集，但它不能很好地泛化在新的样本中。泛化（generalize） 是指一个假设模型应用到新样本的能力。

类似的说法同样可以应用到逻辑回归中：

第一个模型欠拟合，第二个模型很适合，第三个模型过拟合。就以多项式理解，$x$ 的次数越高，拟合的越好，但相应的预测的能力就可能变差。

如果我们有过多的变量，而只有非常少的训练数据，就会出现过度拟合的问题。有两个方法来解决问题。

1. 减少选取变量的数量
   可以通过人工检查变量清单选择应该保留的变量，也可以使用模型选择算法自动的选择应该保留的变量
2. 正则化
   保留所有的特征变量，但是需要减少量级或参数 ${\theta }_j$ 的大小。
   正则化方法非常有效，当我们有很多特征变量时，其中每一个变量都能对预测的 $y$ 值产生一点影响。

代价函数

上面的回归问题中我们的模型是：$h_{\theta }\left(x\right)={\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2^2+{\theta }_3{x}_3^3+{\theta }_4{x}_4^4$

因为我们用阶数过高的多项式去拟合数据会得到比较扭曲的线，虽然更好的拟合了数据，但出现了过拟合问题。正是那些高次项导致了过拟合的产生，如果我们能让这些高次项的系数接近于0的话，数据就能很好的拟合了。所以我们要做的就是在一定程度上减小这些参数 $\theta$ 的值，这就是正则化的基本方法。

针对模型，我们决定要减少${\theta }_3$和${\theta }_4$的大小，我们要做的便是修改代价函数，在其中${\theta }_3$和${\theta }_4$ 设置一点惩罚。这样做的话，我们在尝试最小化代价时也需要将这个惩罚纳入考虑中，并最终导致选择较小一些的${\theta }_3$和${\theta }_4$。

修改后的代价函数如下：$\underset{\theta }{\min }\frac{1}{2m}[\sum _{i=1}^m{\left(h_{\theta }\left(x^{(i)}\right)-y^{(i)}\right)}^2+1000{\theta }_3^2+10000{\theta }_4^2]$

通过这样的代价函数选择出的${\theta }_3$和${\theta }_4$ 对预测结果的影响就比之前要小许多。

假如我们有非常多的特征，我们并不知道其中哪些特征我们要惩罚，我们将对所有的特征进行惩罚，并且让代价函数最优化的软件来选择这些惩罚的程度。这样的结果是得到了一个较为简单的能防止过拟合问题的假设：$J\left(\theta \right)=\frac{1}{2m}[\sum _{i=1}^m{(h_{\theta }(x^{(i)})-y^{(i)})}^2+\lambda \sum _{j=1}^n{\theta }_j^2]$

其中 $\lambda$ 又称为正则化参数（Regularization Parameter）。 根据惯例，我们不对${\theta }_0$ 进行惩罚。

引入一项$\lambda \sum _{j=1}^n{\theta }_j^2$ 后，为了让代价函数 $J\left(\theta \right)$ 变小，那么 ${\theta }_j$ 的值也要减小才行。

经过正则化处理的模型与原模型的可能对比如下图所示：

如果选择的正则化参数 $\lambda$ 过大，则会把所有的参数都最小化了，导致模型变成 $h_{\theta }\left(x\right)={\theta }_0$，也就是上图中红色直线所示的情况，造成欠拟合。

如果选择的正则化参数 $\lambda$ 过小，则不能使得参数 ${\theta }_j$ 大幅变小，代价函数变小的程度太弱，不能有效解决过拟合的问题。

所以对于正则化，我们要取一个合理的 $\lambda$ 的值，这样才能更好的应用正则化。

回顾一下代价函数，为了使用正则化，让我们把这些概念应用到到线性回归和逻辑回归中去，那么我们就可以让他们避免过度拟合了。

线性回归的正则化

对于线性回归的求解，我们之前推导了两种学习算法：一种基于梯度下降，一种基于正规方程。

正则化线性回归的代价函数为：$J\left(\theta \right)=\frac{1}{2m}\sum _{i=1}^m[({(h_{\theta }(x^{(i)})-y^{(i)})}^2+\lambda \sum _{j=1}^n{\theta }_j^2)]$

如果我们要使用梯度下降法令这个代价函数最小化，因为我们未对 ${\theta }_0$ 进行正则化，所以梯度下降算法将分两种情形：

$Repeat$ $until$ $convergence${

​ ${\theta }_0:={\theta }_0-a\frac{1}{m}\sum _{i=1}^m((h_{\theta }(x^{(i)})-y^{(i)})x_0^{(i)})$

​ ${\theta }_j:={\theta }_j-a[\frac{1}{m}\sum _{i=1}^m((h_{\theta }(x^{(i)})-y^{(i)})x_j^{\left(i\right)}+\frac{\lambda }{m}{\theta }_j]$

​ $for$ $j=1,2,...n$

​ }

对上面的算法中 $j=1,2,...,n$ 时的更新式子进行调整可得：${\theta }_j:={\theta }_j(1-a\frac{\lambda }{m})-a\frac{1}{m}\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})x_j^{\left(i\right)}$
可以看出，正则化线性回归的梯度下降算法的变化在于，每次都在原有算法更新规则的基础上令 $\theta$ 值减少了一个额外的值。

我们同样也可以利用正规方程来求解正则化线性回归模型

修改之后的正规方程法：

增加的矩阵是个 $(n+1)\times (n+1)$ 维的矩阵，对角线上除了第一个元素为0其他都为1。

如果现在样本总数 $m$ 小于等于特征数量 $n$，那么 ${\left(X^{T}X\right)}^{-1}$ 矩阵是个奇异矩阵，是不可逆的。

而在正则化中已经考虑到了这个问题。具体来说，只要正则化参数 $\lambda$ 是严格大于 0 的，我们就可以确信“X的转置乘以X 加上$\lambda$ 乘以这个增加的矩阵”是可逆的。

Logistic回归的正则化

我们给代价函数增加一个正则化的表达式，得到正则化的代价函数：
$J\left(\theta \right)=\frac{1}{m}\sum _{i=1}^m[-y^{(i)}\log \left(h_{\theta }\left(x^{(i)}\right)\right)-\left(1-y^{(i)}\right)\log \left(1-h_{\theta }\left(x^{(i)}\right)\right)]+\frac{\lambda }{2m}\sum _{j=1}^n{\theta }_j^2$

产生的效果是，即使你拟合阶数很高，且参数很多，只要添加了这个正则化项，保持参数较小，你依然可以得到一条合理划分正负样本的边界。即使你有很多特征，正则化也能帮你避免过拟合的现象。

Python代码：

import numpy as np

def costReg(theta, X, y, learningRate):
    theta = np.matrix(theta)
    X = np.matrix(X)
    y = np.matrix(y)
    first = np.multiply(-y, np.log(sigmoid(X*theta.T)))
    second = np.multiply((1 - y), np.log(1 - sigmoid(X*theta.T)))
    reg = (learningRate / (2 * len(X))* np.sum(np.power(theta[:,1:theta.shape[1]],2))
    return np.sum(first - second) / (len(X)) + reg

要最小化该代价函数，通过求导，得出梯度下降算法为：

$Repeat$ $until$ $convergence${

​ ${\theta }_0:={\theta }_0-a\frac{1}{m}\sum _{i=1}^m((h_{\theta }(x^{(i)})-y^{(i)})x_0^{(i)})$

​ ${\theta }_j:={\theta }_j-a[\frac{1}{m}\sum _{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})x_j^{\left(i\right)}+\frac{\lambda }{m}{\theta }_j]$

​ $for$ $j=1,2,...n$

​ }

这就是正则化逻辑回归的梯度下降算法，看上去同线性回归一样，但是记住它的假设模型 $h_{\theta }\left(x\right)=g\left({\theta }^{T}X\right)$，所以与线性回归是不同的。

接下来的课程中，我们将学习一个非常强大的非线性分类器。无论是线性回归问题，还是逻辑回归问题，我们都可以构造多项式来解决。实际上，我们还有更强大的非线性分类器，可以用来解决多项式回归的问题。我们接下来将学习更多更为强大的算法，来解决各种不同的问题。