深度学习笔记——理论与推导之Structured Learning【Structured SVM】（七）

最新推荐文章于 2024-08-25 14:47:54 发布

阅读量3.7k

点赞数 2

分类专栏：深度学习文章标签：深度学习

本文链接：https://blog.csdn.net/sysstc/article/details/76257326

版权

深度学习专栏收录该内容

37 篇文章 2 订阅

订阅专栏

Separable case

1. 定义：

这里写图片描述

2. 用来计算weight的Structured Perceptron演算法：

如果我们能找到一个满足上图的feature function，那么我们就可以用Structured Perceptron演算法找到我们所要的weight（这些在深度学习笔记——理论与推导之Structured Learning【Structured Linear Model】（六）中都可以找到）。
那么面对很多个y，是否可以顺利在有限次内找到weight呢？答案是可以的，况且只需要(R/δ)^2次，R是同一个x下Φ(x,y)和Φ(x,y’)的最大距离；δ是margin(即第一个图上画的那块)。与y的个数没有关系。
- 证明如下：
  
  这里的w head 为什么可以不失一般性的假设其长度为1呢，因为我们可以找到w head 可以让data是separable的，那么我们这时候对w head做normalize，这些data也依旧是separable的。
- 当k越大的时候，wk与w head 之间的夹角是越来越小的，也就是cosρk会越来越大：
  
  下面，wk-1要更新的原因就是它乘以Φ(x,y)最大值而找出来的y不是准确的y，因此，下图后面这项是小于0的。接下来假设两个feature之间的距离的最大值是R。因此有了以下的推导：
  
  所以我们现在得到两个结论：
  
  因此我们可以发现w的迭代次数是有穷的，且与y无关。
那么如何让训练速度更快呢？
要真正改变点才能让训练速度变快，如果只是单方面的放大图片，那么由于R变大了，δ也会变大，这是没有用的，如下图：

Non-separable case

1. 定义：

如果今天我们没有vector可以让正确和错误答案分开（无法让正确答案的F(x,y)高出其他错误答案），而在这些weights vector还是可以辨别出好坏：
这里写图片描述
因此在这些情况下，我们还是可以定义一些Evaluation 去判断weight的好坏。

2. Cost Function

接下来，我们定义一个cost function来判断weight有多不好。下面就是用第一名的y的value减去正确的y的value。那我们接下来考虑两个问题：a) 这个值最小是多少，答案：一定大于0，因为如果w*Φ(xn,y head n)是最大值，那么Cn就变成了0。b) 还有没有其他的选择呢？
这里写图片描述

3. 梯度下降算法（Gradient Descent）

接下来我们需要的是计算Cost function的（Stochastic）Gradient Descent：
- 我们可以对每一个由w分割开的region进行微分。
这里写图片描述
下面是过程（η是Learning rate）：

Considering Errors

1. 问题引入：

现在我们需要考虑一个问题，就是我们对待错误都是同等的在看。可是有的明明误差大很多，如下：
这里写图片描述

2. 思路：

那么我们应该如何定义准确值和错误值之间的差距呢？
这里写图片描述

3. 解决方法：Error Function与更新后的Cost Function

Error Function：定义正确值和错误值之间的差距。
Another Cost Function：将Error Function带入到之前的Cost Function中：
Gradient Descent：
参考之前没做Error Function时的Gradient Descent：

这里与没做Error Function的时候不同的一点，也就是最后算出来的y值不同，所以：
Another Viewpoint：
- 因为最小化新的成本函数就是在最小化错误的上界，即：
  
  因为C’很难计算，我们不知道它会不会是一个阶梯状的函数，所以，我们现在通过来最小化它。
- 那么为什么呢，即：
More Cost Functions：

Regularization

我们知道w越接近0就越能减小mismatch带来的影响，所以我们这里在原本的C的基础上进行修改，添加了一个1/2*||w||^2这项，令w趋于0，就可以减小mismatch带来的影响了。
在接下来的每次迭代中，带入正确的(x,y)对：
对比与过去的没有修改的Cost Function，新的Cost Function有以下绿色的不同：

Structured SVM

1. 公式变换：

对于下面这个公式，因为我们需要求最小的C值，所以下面蓝色框框和绿色框框的公式是等价的。
这里写图片描述
这里后，可以写成：
Slack variable：松弛变量

接下来，有一个constraint，就是y求到真实值的时候：

利用上述公式我们知道，每一个y≠y的真实值时都会产生一个限制（不等式），如下：

基于这些个限制（不等式），我们要求出C的最小值，如下：
这里写图片描述
我们要找到一个w，和每一个example都有的ε，我们需要minimize这个function，并且满足下面的限制（不等式）

SVM：这个式子和SVM的式子是类似的

Structured SVM的API

这里写图片描述

Cutting Plane Algorithm for Structured SVM

1. 产生原因:

现在我们面临的问题就是太多constraints（不等式）了。我门将每个constraint都画在图上，为此，我们发现，只需要少数constraint其实就可以找到最小值了：
这里写图片描述

2. 解决方法

方法思想：
我们发现，在处理中，Red line是我们需要的两个constraint，而例如绿色的constraint即使忽略，也不会对结果产生其他影响。
这里写图片描述
那么如何找到一个working set呢？
1. 为每一个example initialize 一个空的working set
2. 我们只需要考虑working set里面的y，重新得到一个w
3. 通过w，重新找一个working set成员（每找一次最小值，添加一个working set）
4. 再得到一个w，重新找到一个新的working set，接下来依次类推。
这里写图片描述
举例：
1. 假设A^n在初始的时候是空集合，也就是求解QP的时候没有限制，因此我们直接求解最小值，得到蓝色的点。

2. 接下来看看这么多constraint中，有什么是这个解满足不了的（如下图1的红线），我们从所有没有被满足的constraint中挑出最难处理的。
这里写图片描述
3. 例如我们找出最难处理的那条线（下图的红线），在这个图上就是表示和真实值举例最远的constraint。然后我们将这个红线添加到working set中，如下所示：

4. 接下来工具working set中的最小值，我们可以重新计算这个问题，因此我们找到一个最小值，即图上的蓝点。
这里写图片描述
5. 接下来我们继续找到最难满足的constraint，然后根据现有的working set（以下两条红线），我们又可以找到一个最小值（即以下的蓝点点）。

6. 接下来我们继续找一个constraint，找到一个最小值。

那么我们应该如何找到最难处理的constraint呢？
给定一个w’和ε’，如何求解最难处理的constraint呢？
首先，我们找到constraint是底下Constraint公式，那么最难处理的constraint就是底下这个Violate a Constraint公式（本来我们的大于等于，变成了小于），那么由于Violate会有很多个，因此我们需要一个公式Degree of Violation来定义violation的程度，即如果这项比较大则说明violate的程度越大（由于y head对于每一个y都是固定值且ε’不影响我们计算violate的值，因此，我们可以得到以下获得最大violate的值的公式）：
这里写图片描述
Cutting Plane Algorithm的过程：

Cutting Plane Algorithm算法过程：
1. 我们这里的ε有一个constraint，即大于0，因此可以求出最小值为w = 0时，如下图所示：

2. 接下来我们通过w = 0，找到一个most violate constraint，即计算下述方程：
这里写图片描述
由于w = 0，接下来我们可以计算下面式子（y和y head没有交集时，答案均为1）

3. 接下来，我们通过给定的constraint求出C function的最小值，从而得到w = w1。

4. 接下来我们用w1，找出most violate的constraint

将most violate constraint放到我们的working set中：
这里写图片描述
我们对A^2也做这个这个过程，也在working set中添加了一个constraint

5. 接下来，我们只需要求解带有4个constriants方程就好，以此类推：