正则化线性模型：岭回归 Ridge Regression、Lasso 回归、Elastic Net (弹性网络) 和 Early stopping

模型正则化(减小自由度)是减少过拟合的方法之一。

对多项式模型来说，正则化可以通过减少阶数来实现。

对线性模型来说，正则化往往通过约束模型的权重来实现。

1. Ridge Regression 岭回归, 又名 Tikhonov regularization

岭回归是线性回归的正则化版本，即在原来的线性回归的 cost function 中添加正则项（regularization term）: $\alpha \sum_{i=1}^n\theta_i^2$，以达到在拟合数据的同时，使模型权重尽可能小的目的：

【式-1】岭回归代价函数

$$J(\theta) = MSE(\theta) + \alpha \sum_{i=1}^n\theta_i^2$$
即
$$J(\theta) = \frac{1}{m}\sum_{i=1}^m \left( \theta^T\cdot x^{(i)} -y^{(i)}\right)^2 + \alpha \sum_{i=1}^n\theta_i^2$$
也即
$$J(\theta) = (\mathbf{X}\theta-\mathbf{y})^T(\mathbf{X}\theta-\mathbf{y}) + \alpha \frac{1}{2}\Vert\mathbf{w}\Vert_2^2$$

• $\alpha = 0$：岭回归退化为线性回归
• $\alpha$ 很大：所有的权值都趋于0，最终的优化结果为训练集的均值（a flat line）。
• $\mathbf{w}=[0,\theta_1,\cdots,\theta_n]^T$

在利用梯度下降法求解时，有：

【式-2】岭回归梯度向量

$$\nabla_{\theta}MSE(\theta) = \frac{2}{m}\mathbf{X}^T(\mathbf{X}\theta-\mathbf{y}) + \alpha\mathbf{w}$$

令【式-2】取0即可得到闭式解

【式-3】岭回归的闭式解

$$\hat{\theta} = \left( \mathbf{X}^T\mathbf{X}+\alpha\mathbf{A} \right)^{-1}\mathbf{X}^T\mathbf{y}$$

• $A\in R^{n\times n}$为单位矩阵，左上角的元素为0，与bias term 对应。

【注意】

• 偏差项$\theta_0$并没有包含在正则项中，即sum的下标从1开始，而不是0.
• 正则项只在模型训练的过程中加在 cost function 中，一旦模型完成训练，在评估模型 performance 的时候 应该使用没有加正则项的形式。=> 训练时的 cost function 和测试时的 performance measure 可以不相同！cost function 需要考虑易于寻优的问题，而 performance measure 应和最终的目标尽可能相近！
• 由于对输入特征的Scale非常敏感，在进行岭回归分析前对数据进行归一化（例如利用Scikit-Learn的StandardScaler进行预处理）非常重要。（适用于大多数正则化模型）

2. Lasso Regression

Least Absolute shrinkage and Selection Opperation Regression (Lasso Regression)

Lasso 回归是线性回归的另一种正则化版本，正则项为权值向量的$\ell_1$范数：

【式-4】Lasso回归的代价函数

$$J(\theta) = MSE(\theta) + \alpha\sum_{i=1}^n\vert\theta_i\vert$$

【注意
- Lasso Regression 的代价函数在 $\theta_i=0$ 处是不可导的.
- 解决方法：在$\theta_i=0$处用一个次梯度向量(subgradient vector)代替梯度，如式-5

【式-5】Lasso Regression 的次梯度向量

Lasso Regression 有一个很重要的性质是：倾向于完全消除不重要的权重。

例如：当$\alpha$ 取值相对较大时，高阶多项式退化为二次甚至是线性：高阶多项式特征的权重被置为0。

也就是说，Lasso Regression 能够自动进行特征选择，并输出一个稀疏模型（只有少数特征的权重是非零的）。

3. Elastic Net (弹性网络)

弹性网络在岭回归和Lasso回归中进行了折中，通过 混合比(mix ratio) r 进行控制：

• $r=0$：弹性网络变为岭回归
• $r=1$：弹性网络便诶Lasso回归

【式-6】弹性网络的代价函数

$$J(\theta) = MSE(\theta) + r\alpha\sum_{i=1}^n\vert\theta_i\vert + \frac{1-r}{2} \alpha \sum_{i=1}^n\theta_i^2$$

一般来说，我们应避免是用朴素线性回归，而应对模型进行一定的正则化处理，那如何选择正则化方法呢？

• 常用：岭回归
• 假设只有少部分特征是有用的：弹性网络 或者 Lasso
  
  • 一般来说，弹性网络的使用更为广泛。因为在 特征维度高于训练样本数 或者 即为特征是强相关 的情况下，Lasso回归的表现不太稳定。

4. Early Stopping

Early Stopping 也是正则化迭代学习算法（如GD）的方法之一。其做法为：在验证错误率达到最小值的时候停止训练。

beatutiful free lunch
——Geoffrey Hinton