昨天刚刚放假。准备这个暑假,把这个课程重新看一遍,预计10天时间。
编程作业放到了github上:coursera_machine_learning
1. Introduction
1.1 Supervised Learning
已知输入
x
以及其对应的标签
- 回归 regression:输出的结果
y
是一个连续的变量
y=ℝ - 分类 classification:输出的结果
y
是一个离散的变量
y={1,2,3...,k}
1.2 Unsupervised Learning
已知输入
x
,并不知道其所属的类别标签
- 分类 classification:分类到各不知名的聚类中
1.3 Semi-supervised Learning
输入的
1.4 一张图弄懂
(图片来源:台湾大学林轩田的《机器学习基石》3-2)
2. Linear Regression with One Variable
2.1 Model Representation
例子:房价预测 - 给出房子的各种特征,如面积、位置等,以及该房子对应的价格。学习一个模型,当输出其他房子的特征时,能够预测出新房子的价格。
明显这是一个回归模型。
数据说明:
( |
||
---|---|---|
输出数据,数据 |
训练集中数据的个数 | |
对于其中的一条数据
即这个模型对输入数据 x(i) 的预测结果 y(i)^ 为 θ0+θ1x(i)1 。
由于一开始我们并不知道 θ 是多少,而这个就是模型需要通过数据学习得到的,和人学习一样,模型需要知道自己究竟哪里错了才能够进一步学习。于是提出模型的错误公式,loss/cost function来定义这个错误。
2.2 Cost Function
最简单的错误评估,就是将预测出来的结果同真实的结果做一个平方差:
因为有 m 条数据,所以将这些个平方差求和之后再平均一下,作为整个训练集的error:
再者,为了接下来模型根据这个error进行学习的以后更加方便,再除以2(因为平方项在求导的时候可以与这个分母2抵消):
而最终的目的就是让这个error最小,只要error最小了,那就说明这个 h(x) 预测出来的结果和真实的结果相差不大了,那我们的模型就训练完毕了。
学习目标:
2.3 Cost Function - intuition
接下来通过几个例子来了解一下cost function是怎么工作的, θ 又该怎么取值。
下面的图中,红色叉叉表示训练数据,黑色直线代表 h(x) 。
首先为了方便起见,假设只有一个 θ1 ,即 h(x(i))=θ1x(i)1 。(图中为书写方便,将 x(i)1 直接写作 x 了)
- 当
θ1=1 的时候,计算得到 J(θ1)=0- 当 θ1=0.5 的时候,计算得到 J(θ1)=0.58
- 当 θ1=0 的时候,计算得到 J(θ1)≈2.3
4. 以此类推,再画出一些点,然后连接起来从上图中看到, J(θ) 最小的点,就是 θ1=1 的点,所以,模型训练的结果就是 θ1=1 , h(x(i))=1×x(i)1 。
接下来,再进一步看 θ0 和 θ1 共存的情况,类比上面,做出来的三维图如下:
cost function取最小值的时候就是凹陷处,数学意义上梯度为0的地方。
2.4 Gradient Descent
使用gradient descent来minimize J(θ) 。
一开始随便选择 θ0 和 θ1 ,然后慢慢更新直至 J(θ) 到达最小值。
更新过程可视化如下,从上面的点一直沿着一定的方向下降到下面的点:
这里的方向就是高数中的“最快梯度下降法”中采取的“负梯度方向”即 −∂∂θjJ(θ) ,在这个方向所走的步长就是 α ,所以 θj 的更新过程如下:
θj:=θj−α∂∂θjJ(θ)特别注意更新过程中 θ 的更新得是同步的,即更新 θ0 和 θ1 的 J(θ) 得是同一个,详细过程如下图:
下面来看看这个步长 α 的取值问题:
- 如果 α 取值太小,那么下降到最小值的速度会比较慢
- 如果 α 取值太大,可能一步就跳过了最小值点……
另外,如果这个 J(θ) 不止一个最小值点,那么当落入局部最小值(local minimun),就跳不出来了,因为梯度已经变成了0,不再更新 θ 了。
当不断靠近最小值的过程中,每次更新的速度也会下降,因为梯度越来越小了,如下图所示:
最后把gradient descent应用到linear regression with one variable问题上:
梯度求导如下;
对于有一些 J(θ) ,可能具有多个“局部最优解”,如下图:
但是对于Linear Regression来说, J(θ) 是“碗形”的,术语称为“convex function”,如下图:
Batch Gradient Descent
使用训练集中所有数据的error的平均值作为一次更新,即:J(θ)=12m∑i=1m(y(i)^−y(i))2Stochastic Gradient Descent
使用训练集中的一个数据的error就更新一次,即:J(θ)=(y(i)^−y(i))2Mini-Batch Gradient Descent
使用训练集中部分数据的error的平均值作为一次更新,即:J(θ)=12k∑i=1k(y(i)^−y(i))2