机器学习 | 台大林轩田机器学习基石课程笔记11 --- Linear Models for Classification

最新推荐文章于 2024-11-06 10:55:54 发布

CoreJT

最新推荐文章于 2024-11-06 10:55:54 发布

阅读量259

点赞数 1

分类专栏：林轩田机器学习文章标签：机器学习林轩田机器学习基石用线性模型分类

原文链接：https://blog.csdn.net/red_stone1/article/details/72453273

版权

林轩田机器学习专栏收录该内容

44 篇文章 48 订阅

订阅专栏

课程主页

课程视频和PPT

上一节课，我们介绍了Logistic Regression问题，建立cross-entropy error，并提出使用梯度下降算法gradient descnt来获得最好的logistic hypothesis(最好的权重w)。本节课继续介绍使用线性模型来解决分类问题。

1. Linear Models for Binary Classification

2. Stochastic Gradient Descent

3. Multiclass via Logistic Regression

4. Multiclass via Binary Classification

5. 总结

1. Linear Models for Binary Classification

之前介绍几种线性模型都有一个共同点，就是都有样本特征向量x的加权运算，我们引入一个线性得分函数s：

三种线性模型，第一种是linear classification。线性分类模型的hypothesis为 h(x) = sign(s) ,取值范围为{-1,+1}两个值，它的err是0/1 err(直接比较模型输出和真实标签，都是离散的)，所以对应的 $E_{in}(w)$ 是离散的，并不好解，这是个NP-hard问题。第二种是linear regression。线性回归模型的hypothesis为,取值范围为整个实数空间，它的err是squared err，所以对应的 $E_{in}(w)$ 是开口向上的二次曲线，其解是closed-form的，直接用线性最小二乘法求解即可。第三种是logistic regression。逻辑回归模型的hypothesis为 $h(x) = \theta(s)$ ,取值范围为(-1,1)之间，它的err是cross-entropy err，所有对应的 $E_{in}(w)$ 是平滑的凸函数，可以使用梯度下降算法求最小值。

从上图中，我们发现，linear regression和logistic regression的error function都有最小解。那么可不可以用这两种方法来求解linear classification问题呢？下面，我们来对这三种模型的error function进行分析，看看它们之间有什么联系。

对于linear classification，它的error function可以写成：

对于linear regression，它的error function可以写成：

对于logistic regression，它的error function可以写成：

上述三种模型的error function都引入了ys变量，那么ys的物理意义是什么？ys就是指分类的正确率得分，其值越大越好，得分越高(y=+1/-1)。

下面，我们用图形化的方式来解释三种模型的error function到底有什么关系：

从上图中可以看出，ys是横坐标轴, $err_{0/1}$ 是呈阶梯状的，在ys>0时， $err_{0/1}$ 恒取最小值0。 $err_{SQR}$ 呈抛物线形式，在ys=1时，取得最小值，且在ys=1左右很小区域内, $err_{0/1}$ 和 $err_{SQR}$ 近似。 $err_{CE}$ 是呈指数下降的单调函数，ys越大，其值越小。同样在ys=1左右很小区域内， $err_{0/1}$ 和 $err_{CE}$ 近似。但是我们发现 $err_{CE}$ 并不是始终在 $err_{0/1}$ 之上，所以为了计算讨论方便，我们把 $err_{CE}$ 做幅值上的调整，引入 $err_{SCE} = log_2(1+e^{-ys}) = \frac{1}{ln2}err_{CE}$ ,这样能保证 $err_{SCE}$ 始终在 $err_{0/1}$ 之上.

上述转换用到了对数换底公式：

由上图可以看出：

那么由VC理论可以知道（ $E_{out}$ 上界是 $E_{in}$ +模型复杂度 $\Omega$ ）：

从0/1出发：

从CE出发：

通过上面的分析，我们看到err 0/1是被限定在一个上界中。这个上界是由logistic regression模型的error function决定的。而linear regression其实也是linear classification的一个upper bound，只是随着sy偏离1的位置越来越远，linear regression的error function偏差越来越大。综上所述，linear regression和logistic regression都可以用来解决linear classification的问题。

下图列举了PLA、linear regression、logistic regression模型用来解linear classification问题的优点和缺点。通常，我们使用linear regression来获得初始化的 w_0 ,再用logistic regression模型进行最优化解。

2. Stochastic Gradient Descent

之前介绍的PLA算法和logistic regression算法，都是用到了迭代操作。PLA每次迭代只会更新一个点，它每次迭代的时间复杂度是O(1)(每次找到一个错误的点进行更新)；而logistic regression每次迭代要对所有N个点都进行计算，它的每时间复杂度是O(N)。为了提高logistic regression中gradient descent算法的速度，可以使用另一种算法：随机梯度下降算法(Stochastic Gradient Descent)。

随机梯度下降算法每次迭代只找到一个点（只用一条数据），计算该点的梯度，作为我们下一步更新w的依据。这样就保证了每次迭代的计算量大大减小，我们可以把整体的梯度（使用全体数据进行计算）看成这个随机过程（每次使用一条数据计算梯度）的一个期望值。

随机梯度下降可以看成是真实的梯度加上均值为零的随机噪声方向。单次迭代看，好像会对每一步找到正确梯度方向有影响，但是整体期望值上看，与真实梯度的方向没有差太多，同样能找到最小值位置。随机梯度下降的优点是减少计算量，提高运算速度（数据量很大时有优势），而且便于online学习；缺点是不够稳定，每次迭代并不能保证按照正确的方向前进，而且达到最小值需要迭代的次数比梯度下降算法一般要多。

对于logistic regression的SGD，它的表达式为：

我们发现，SGD与PLA的迭代公式有类似的地方，如下图所示：

我们把SGD logistic regression称之为’soft’ PLA，因为PLA只对分类错误的点进行修正，而SGD logistic regression每次迭代都会进行或多或少的修正。另外，当 $\eta=1$ ,且 $w^{T}_tx_n$ 足够大的时候，PLA近似等于SGD。

除此之外，还有两点需要说明：1、SGD的终止迭代条件。没有统一的终止条件，一般让迭代次数足够多；2、学习速率η。η的取值是根据实际情况来定的，一般取值0.1就可以了。

3. Multiclass via Logistic Regression

之前我们一直讲的都是二分类问题，本节主要介绍多分类问题，通过linear classification来解决。假设平面上有四个类，分别是正方形、菱形、三角形和星形，如何进行分类模型的训练呢？

首先我们可以想到这样一个办法，就是先把正方形作为正类，其他三种形状都是负类，即把它当成一个二分类问题，通过linear classification模型进行训练，得出平面上某个图形是不是正方形，且只有{-1,+1}两种情况。然后再分别以菱形、三角形、星形为正类，其余作为负类，进行二元分类。这样进行四次二分类之后，就完成了这个多分类问题。

但是，这样的二分类会带来一些问题，因为我们只用{-1，+1}两个值来标记，那么平面上某些可能某些区域都被上述四次二分类模型判断为负类，即不属于四类中的任何一类；也可能会出现某些区域同时被两个类甚至多个类同时判断为正类，比如某个区域又判定为正方形又判定为菱形。那么对于这种情况，我们就无法进行多类别的准确判断，所以对于多类别，简单的binary classification不能解决问题。

针对这种问题，我们可以使用另外一种方法来解决：soft软性分类，即不用{-1，+1}这种binary classification，而是使用logistic regression，计算某点（样本/数据）属于某类的概率、可能性，取概率值最大的那一类就好。

soft classification的处理过程和之前类似，同样是分别令某类为正，其他三类为负，不同的是得到的是概率值（软输出(0,1)），而不是{-1，+1} (硬输出)。最后得到某点分别属于四类的概率，取最大概率对应的那一个类别就好。效果如下图所示：

这种多分类的处理方式，我们称之为One-Versus-All(OVA) Decomposition。这种方法的优点是简单高效，可以使用logistic regression模型来解决；缺点是如果数据类别很多时，那么每次二分类问题中，正类和负类的数量差别就很大，数据不平衡unbalanced，这样会影响分类效果。但是，OVA还是非常常用的一种多分类算法。

4. Multiclass via Binary Classification

上一节，我们介绍了多分类算法OVA，但是这种方法存在一个问题，就是当类别k很多的时候，造成正负类数据unbalanced，会影响分类效果，表现不好。现在，我们介绍另一种方法来解决当k很大时，OVA带来的问题。

这种方法呢，每次只取两类进行binary classification，取值为{-1，+1}。假如k=4，那么总共需要进行 $C^{2}_{4}=6$ 次binary classification。那么，六次分类之后，如果平面有个点，有三个分类器判断它是正方形，一个分类器判断是菱形，另外两个判断是三角形，那么取最多的那个，即判断它属于正方形，我们的分类就完成了。这种形式就如同k个足球对进行单循环的比赛，每场比赛都有一个队赢，一个队输，赢了得1分，输了得0分。那么总共进行了 $C_k^{2}$ 次的比赛，最终取得分最高的那个队就可以了。

这种区别于OVA的多分类方法叫做One-Versus-One(OVO)。这种方法的优点是更加高效，因为虽然需要进行的分类次数增加了，但是每次只需要进行两个类别的比较，也就是说单次分类的数量减少了。而且一般不会出现数据unbalanced的情况。缺点是需要分类的次数多，时间复杂度和空间复杂度可能都比较高。

5. 总结

本节课主要介绍了分类问题的三种线性模型：linear classification、linear regression和logistic regression。首先介绍了这三种linear models都可以来做binary classification。然后介绍了比梯度下降算法更加高效的SGD算法来进行logistic regression分析。最后讲解了两种多分类方法，一种是OVA，另一种是OVO。这两种方法各有优缺点，当类别数量k不多的时候，建议选择OVA，以减少分类次数。