没有免费的午餐定理(No Free Lunch Theorem),这个定理说明
若学习算法
L
a
L_a
La 在某些问题上比学习算法
L
b
L_b
Lb 要好,
那么必然存在另一些问题,
在这些问题中
L
b
L_b
Lb 比
L
a
L_a
La 表现更好。
这里说的表现好就是前面所说的泛化能力更强。然后出现了下面这个公式
E o t e ( L a ∣ X , f ) = ∑ h ∑ x ∈ χ − X P ( x ) I ( h ( x ) ≠ f ( x ) ) P ( h ∣ X , L a ) E_{ote}(L_a|X,f) = \sum_{h}\sum_{x\in\chi-X}P(x)\mathbb{I}(h(x)\neq f(x))P(h|X,L_a) Eote(La∣X,f)=∑h∑x∈χ−XP(x)I(h(x)=f(x))P(h∣X,La)
令人生畏的长公式,不过我们来依次解读它。
留坑,周末更
好了,周六了,今天终于看懂了这个定理的证明,下面我们一字一句地来解读书中的证明:
首先,定义好符号
χ
\chi
χ:样本空间,什么是样本空间呢?就是你的样本的属性张成的空间,书的前文有介绍
还是以他书中的西瓜来举例吧:
西瓜的属性和每个属性的取值是
色泽= 青绿||乌黑||浅白 x= 0 || 1 || 2
根蒂= 蜷缩||稍蜷||硬挺 y= 0 || 1 || 2
敲声= 浊响||沉闷||清脆 z= 0 || 1 || 2
你把色泽、根蒂、敲声想想成x,y,z轴。取值的范围都是0,1,2。怎么样,是不是像一个正方体的三维空间,当然属性可能有多种,那就上升到多维空间去了,不好想像了。
H
H
H:假设空间,什么是假设空间呢?
什么是假设呢,前面说也叫学得模型,这里我们不搞那些概念。请看这篇博主的文章http://blog.csdn.net/VictoriaW/article/details/77686168,看完应该就能理解假设空间和版本空间。(此处9月1日更新,这里的假设应该指的就是满足是好瓜的条件,样本空间是有明确的取值,而假设空间取值多一个*,表示取任意值都行,反正经过学习,可以得到一个假设,用来判断西瓜的好坏…。)
L a L_a La:学习算法,学习算法有其偏好性,对于相同的训练数据,不同的学习算法可以产生不同的假设,学得不同的模型,因此才会有那个学习算法对于具体问题更好的问题,这里这个没有免费的午餐定理要证明的就是:若对于某些问题算法 L a L_a La学得的模型更好,那么必然存在另一些问题,这里算法 L b L_b Lb学得的模型更好.这里的好坏在下文中使用算法对于所有样本的总误差表示
P
(
h
∣
X
,
L
a
)
P(h|X,L_a)
P(h∣X,La): 算法
L
a
L_a
La基于训练数据
X
X
X产生假设
h
h
h的概率
这里我说一下自己的理解,既然是
L
a
L_a
La基于
X
X
X产生假设
h
h
h的概率,那么就说明假设不止一个(你说这不是废话吗?上面都说有假设空间了,假设当然不止一个),这里要注意的是这里的假设是一个映射,是
y
=
h
(
x
)
y=h(x)
y=h(x),是基于数据
X
X
X产生的对于学习目标(判断好瓜)的预测。因数据
X
X
X不一样,所以可能产生不一样的假设
h
h
h,既然假设假设有可能不一样,那么对每一种假设都有其对应的概率即
P
(
h
∣
X
,
L
a
)
P(h|X,L_a)
P(h∣X,La).而且所有假设
h
h
h加起来的概率为1,这个不难理解,概率总和为1
f f f:代表希望学得的真实目标函数,要注意这个函数也不是唯一的,而是存在一个函数空间,在这个空间中按某个概率分布,下文证明中采用的是均匀分布。
好,上面那个公式到了
E o t e ( L a ∣ X , f ) = ∑ h ∑ x ∈ χ − X P ( x ) I ( h ( x ) ≠ f ( x ) ) P ( h ∣ X , L a ) E_{ote}(L_a|X,f) = \sum_{h}\sum_{x\in\chi-X}P(x)\mathbb{I}(h(x)\neq f(x))P(h|X,L_a) Eote(La∣X,f)=∑h∑x∈χ−XP(x)I(h(x)=f(x))P(h∣X,La)
首先看这个 E E E,这个 E E E是期望,expectation的意思,这个下标 o t e _{ote} ote,是off-training error,即训练集外误差(忘了是在哪篇博客上看到的了,错了我不负责嘻嘻)。
E o t e ( L a ∣ X , f ) E_{ote}(L_a|X,f) Eote(La∣X,f): 算法 L a L_a La学得的假设在训练集外的所有样本上的误差的期望
P ( x ) P(x) P(x): 对于这个,我的理解是样本空间中的每个样本的取得概率不同,什么意思呢?拿西瓜来说,(色泽=浅白,根蒂=硬挺,敲声=清脆)的西瓜可能比(色泽=浅白,根蒂=稍蜷,敲声=沉闷)的西瓜更多,取到的概率更大。所以有 P ( x ) P(x) P(x)这个概率。
I ( h ( x ) ≠ f ( x ) ) \mathbb{I}(h(x)\neq f(x)) I(h(x)=f(x)):看前面的符号表把这个叫做指示函数,这个很好理解,就像if语句括号里的表达式一样,为真就=1,为假就=0。
P ( h ∣ X , L a ) P(h|X,L_a) P(h∣X,La): 前面说过了,再复习一下,算法 L a L_a La基于训练集 X X X产生假设 h h h的概率。
其实这里最开始最令我困惑的是什么呢?是两个求和符号,因为这里求和符号感觉不规范啊!有木有,不过后来觉得理解了意思就大概行了.
第一个求和符号:
∑
h
\sum_h
∑h: 这里的这个对假设的求和其实我也不是很理解,我的理解主要是不知道这个对假设求和的空间到底是:同一个算法对于不同训练集产生不同的假设,每个假设有不同的概率,还是算法对于同一个训练集会产生不同的假设,每个假设有不同的概率。不过这个不重要,群里有人说前三章看看就好,具体结合后面的算法来理解就行了,先往后面看着吧。(此处9月1日更新,这里是因为学习算法对于训练数据
χ
{\chi}
χ是可能产生多个假设的。且对不同的假设有不同的产生概率,所以有
P
(
h
∣
X
,
L
a
)
P(h|X,L_a)
P(h∣X,La)这个表达式吧应该。)
第二个求和符号:
∑
x
∈
χ
−
X
\sum_{x\in{\chi-X}}
∑x∈χ−X:对于样本空间中每一个训练集外的数据都进行右边的运算。
好了,公式的每一部分都说清楚了,来整体理解一下,这个公式就是说:
对于算法
L
a
L_a
La产生的每一个不同的假设
h
h
h,进行训练外样本的测试,然后测试不成功(因为求的是误差)指示函数就为1,并且两个概率相乘,最后所有的结果加起来,就是该算法在训练集外产生的误差。
然后下面考虑二分类问题,先要说明,对于我们想要求得的真实目标函数
f
f
f可能也不止一个,这个好理解,因为满足版本空间中的假设的函数都可以是真实目标函数,然后这些不同的
f
f
f有着相同的概率(均匀分布),函数空间为
{
0
,
1
}
\left \{ 0,1 \right\}
{0,1},那么有多少个这种函数呢?我们来看对于同一个样本的这个预测值,对于样本空间
χ
\chi
χ中的某个样本
x
x
x,如果
f
1
(
x
)
=
0
f_1(x)=0
f1(x)=0,
f
2
(
x
)
=
1
f_2(x) = 1
f2(x)=1, 那么这就是两个不同的真实目标函数,所以对于某个样本可以区分出两个真实目标函数,一共有
∣
χ
∣
\left | \chi \right|
∣χ∣个样本,所以一共有
2
∣
χ
∣
2^{\left | \chi \right |}
2∣χ∣个真实目标函数,这些真实目标函数是等可能分布的(均匀分布),所以对于某个假设
h
(
x
)
h(x)
h(x)如果
h
(
x
)
=
0
h(x) = 0
h(x)=0那么就有
1
2
\frac{1}{2}
21的可能与真实目标函数相等。
所以下面来看这个公式推导
$\sum_f E_{ote}\left ( L_a|X,f\right) $
=
∑
f
∑
h
∑
x
∈
χ
−
X
P
(
x
)
I
(
h
(
x
)
≠
f
(
x
)
)
P
(
h
∣
X
,
L
a
)
= \sum_f\sum_h\sum_{x\in\chi-X}P(x)\mathbb{I}(h(x)\neq f(x))P(h|X,L_a)
=∑f∑h∑x∈χ−XP(x)I(h(x)=f(x))P(h∣X,La)
=
∑
x
∈
χ
−
X
P
(
x
)
∑
h
P
(
h
∣
X
,
L
a
)
∑
f
I
(
h
(
x
)
≠
f
(
x
)
)
=\sum_{x\in\chi-X}P(x)\sum_hP(h|X,L_a)\sum_f\mathbb{I}(h(x)\neq f(x))
=∑x∈χ−XP(x)∑hP(h∣X,La)∑fI(h(x)=f(x)) ①
=
∑
x
∈
χ
−
X
P
(
x
)
∑
h
P
(
h
∣
X
,
L
a
)
1
2
2
∣
χ
∣
=\sum_{x\in\chi-X}P(x)\sum_hP(h|X,L_a)\frac{1}{2}2^{\left | \chi \right |}
=∑x∈χ−XP(x)∑hP(h∣X,La)212∣χ∣ ②
=
1
2
2
∣
χ
∣
∑
x
∈
χ
−
X
P
(
x
)
∑
h
P
(
h
∣
X
,
L
a
)
=\frac{1}{2}2^{\left | \chi \right |}\sum_{x\in\chi-X}P(x)\sum_hP(h|X,L_a)
=212∣χ∣∑x∈χ−XP(x)∑hP(h∣X,La) ③
=
2
∣
χ
∣
−
1
∑
x
∈
χ
−
X
P
(
x
)
⋅
1
=2^{\left | \chi \right |-1}\sum_{x\in\chi-X}P(x)\cdot 1
=2∣χ∣−1∑x∈χ−XP(x)⋅1 ④
第一步是怎么推导出来的呢?这里涉及到一个求和运算
假设
a
i
∈
{
a
1
,
a
2
,
.
.
.
,
a
m
}
a_i\in \left\{ a_1,a_2,...,a_m \right\}
ai∈{a1,a2,...,am}
b
j
∈
{
b
1
,
b
2
,
.
.
.
,
b
n
}
b_j\in \left\{ b_1,b_2,...,b_n \right\}
bj∈{b1,b2,...,bn}
c
k
∈
{
c
1
,
c
2
,
.
.
.
,
c
o
}
c_k\in \left\{ c_1,c_2,...,c_o \right\}
ck∈{c1,c2,...,co}
那么
∑
i
m
∑
j
n
∑
k
o
a
i
b
j
c
k
\sum_i^m\sum_j^n\sum_k^oa_ib_jc_k
∑im∑jn∑koaibjck
=
∑
i
m
a
i
∑
j
n
b
j
∑
k
o
c
k
=\sum_i^ma_i\sum_j^nb_j\sum_k^oc_k
=∑imai∑jnbj∑kock
这个,你想
(
a
1
+
a
2
+
.
.
.
+
a
m
)
(
b
1
+
b
2
+
.
.
.
+
b
n
)
(
c
1
+
c
2
+
.
.
.
+
c
o
)
(a_1+a_2+...+a_m)(b_1+b_2+...+b_n)(c_1+c_2+...+c_o)
(a1+a2+...+am)(b1+b2+...+bn)(c1+c2+...+co)
是不是等于
a
1
b
1
c
1
+
a
2
b
1
c
1
+
.
.
.
a
m
b
1
c
1
+
.
.
.
+
a
m
b
n
c
o
{a_1}{b_1}{c_1}+{a_2}{b_1}{c_1}+...{a_m}{b_1}{c_1}+...+{a_m}{b_n}{c_o}
a1b1c1+a2b1c1+...amb1c1+...+ambnco
看懂了上面那个你再看第一步也就看懂了
第二步
主要是
∑
f
I
(
h
(
x
)
≠
f
(
x
)
)
=
1
2
2
∣
χ
∣
\sum_f\mathbb{I}(h(x)\neq f(x)) =\frac{1}{2}2^{\left | \chi \right |}
∑fI(h(x)=f(x))=212∣χ∣
这个,因为一共有
2
∣
χ
∣
2^{\left | \chi \right |}
2∣χ∣个
f
f
f,且均匀分布,所以
f
(
x
)
=
1
f(x) = 1
f(x)=1和
f
(
x
)
=
0
f(x)=0
f(x)=0的
f
f
f个数相等,对于每一个
h
(
x
)
h\left( x \right)
h(x)来说,不管
h
(
x
)
=
0
h(x)=0
h(x)=0还是
1
1
1,都有一半
f
(
x
)
f(x)
f(x)与之相等,即
1
2
2
∣
χ
∣
\frac{1}{2}2^{\left | \chi \right |}
212∣χ∣
所以就得出第二步
第三步到第四步就更好理解了
概率求和为1,就是这么简单
经过这么一通推导后,发现得出期望的表达式中关于没有具体算法的,所以是算法无关的!
如果错误,望指出共交流,共学习!