蕴含等值式怎么理解_TensorFlow学习Program1——补充附录(7.1)数据预处理：正则化之直观理解、代码...

正则化的数学和代码实现

参考【Python数据预处理】

正则化主要思想是对每个样本计算其p-范数，然后对该样本中每个元素除以该范数，这样处理的结果是使得每个处理后样本的p-范数（l1-norm,l2-norm）等于1。

p-范数的计算公式：

该方法主要应用于文本分类和聚类中。例如，对于两个TF-IDF向量的l2-norm进行点积，就可以得到这两个向量的余弦相似性。正则化的过程是将每个样本缩放到单位范数（每个样本的范数为1），如果后面要使用如二次型（点积）或者其它核方法计算两个样本之间的相似性这个方法会很有用。

• 1.可以使用preprocessing.normalize()函数对指定数据进行转换：

X = [[ 1., -1., 2.],[ 2.,  0.,  0.],[ 0.,  1., -1.]]
X_normalized=preprocessing.normalize(X, norm='l2') #l2范数，不是12 
输出：[[ 0.40824829, -0.40824829,  0.81649658] [ 1., 0., 0.][ 0., 0.70710678, -0.70710678]]

• 2. 可以使用processing.Normalizer()类实现对训练集和测试集的拟合和转换：

注意类似归一化代码，也存在fit_transform=fit+transform的写法

X_train=[[ 1., -1., 2.],[ 2.,  0.,  0.],[ 0.,  1., -1.]]
X_test=[[-1.,  1., 0.]]
normalizer=preprocessing.Normalizer().fit(X)
normalizer.transform(X_train)
normalizer.transform(X_test) 
与归一化的代码类似,也可以这么写
normalizer=preprocessing.Normalizer()
normalizer.fit_transform(X_train)
normalizer.transform(X_test)

正则化概念（Regularization，不是Normalization）

参考<机器学习中正则化项L1和L2的直观理解><一文搞懂深度学习正则化的L2范数>

机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种一般英文称作

和

，中文称作

L1正则化和 L2正则化，或者 L1范数和 L2范数。

L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的模型叫做Ridge回归（岭回归）。下图是Python中Lasso回归的损失函数，式中加号后面一项

即为L1正则化项。

下图是Python中Ridge回归的损失函数，式中加号后面一项

即为L2正则化项。

一般回归分析中回归

表示特征的系数（也常用

），从上式可以看到正则化项是对系数做了处理（限制）。

L1正则化和L2正则化的说明如下：

• L1正则化是指权值向量
  中各个元素的
  绝对值之和，通常表示为
  
• L2正则化是指权值向量
  中各个元素的
  平方和然后再求平方根（可以看到Ridge回归的L2正则化项有平方符号），通常表示为
  

一般都会在正则化项之前添加一个系数，Python中用α表示，一些文章也用λ表示。这个系数需要用户指定。那添加L1和L2正则化有什么用？下面是L1正则化和L2正则化的作用，这些表述可以在很多文章中找到。

• L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
• L2正则化可以防止模型过拟合（overfitting）；一定程度上，L1也可以防止过拟合

稀疏模型与特征选择

上面提到L1正则化有助于生成一个稀疏权值矩阵，进而可以用于特征选择。为什么要生成一个稀疏矩阵？

稀疏矩阵指的是很多元素为0，只有少数元素是非零值的矩阵，即得到的线性回归模型的大部分系数都是0. 通常机器学习中特征数量很多，例如文本处理时，如果将一个词组（term）作为一个特征，那么特征数量会达到上万个（bigram）。在预测或分类时，那么多特征显然难以选择，但是如果代入这些特征得到的模型是一个稀疏模型，表示只有少数特征对这个模型有贡献，绝大部分特征是没有贡献的，或者贡献微小（因为它们前面的系数是0或者是很小的值，即使去掉对模型也没有什么影响），此时我们就可以只关注系数是非零值的特征。这就是稀疏模型与特征选择的关系。

L1和L2正则化的直观理解

这部分内容将解释为什么L1正则化可以产生稀疏模型（L1是怎么让系数等于零的），以及为什么L2正则化可以防止过拟合。

• L1正则化和特征选择
  假设有如下带L1正则化的损失函数

其中

是原始的损失函数，加号后面的一项是L1正则化项，α是正则化系数。注意到L1正则化是权值的

绝对值之和，

是带有绝对值符号的函数，因此

是不完全可微的。机器学习的任务就是要通过一些方法（比如梯度下降）求出损失函数的最小值。当我们在原始损失函数

后添加L1正则化项时，相当于对

做了一个约束。令

，则

，此时我们的任务变成

在L约束下求出

​取最小值的解。考虑二维的情况，即只有两个权值w1和w2，此时

对于梯度下降法，求解J0 的过程可以画出等值线，同时L1正则化的函数L也可以在w1w2的二维平面上画出来。如下图：

图1 L1正则化

图2 L2正则化

图中等值线是J0的等值线，黑色方形是L函数的图形。在图中，当J0 等值线与L图形首次相交的地方就是最优解。上图中J0与L在L的一个顶点处相交，这个顶点就是最优解。注意到这个顶点的值是

.可以直观想象，因为L函数有很多『突出的角』（二维情况下四个，多维情况下更多），J0与这些角接触的机率会远大于与L其它部位接触的机率，而在这些角上，会有很多权值等于0，这就是为什么L1正则化可以产生稀疏模型，进而可以用于特征选择。

而正则化前面的系数α，可以控制L图形的大小。α越小，L的图形越大（上图中的黑色方框）；α越大，L的图形就越小，可以小到黑色方框只超出原点范围一点点，这是最优点的值

中的w可以取到很小的值。

类似，假设有如下带L2正则化的损失函数：

同样可以画出他们在二维平面上的图形，如下：

图2 L2正则化

二维平面下L2正则化的函数图形是个圆，与方形相比，被磨去了棱角。因此J0 与L相交时使得w1或w2 等于零的机率小了许多，这就是为什么L2正则化不具有稀疏性的原因。

L2正则化和过拟合

拟合过程中通常都倾向于让权值尽可能小，最后构造一个所有参数都比较小的模型。因为一般认为参数值小的模型比较简单，能适应不同的数据集，也在一定程度上避免了过拟合现象。可以设想一下对于一个线性回归方程，若参数很大，那么只要数据偏移一点点，就会对结果造成很大的影响；但如果参数足够小，数据偏移得多一点也不会对结果造成什么影响，专业一点的说法是『抗扰动能力强』。

那为什么L2正则化可以获得值很小的参数？

以线性回归中的梯度下降法为例。假设要求的参数为θ，

是我们的假设函数。线性回归一般使用平方差损失函数。单个样本的平方差是

，如果考虑所有样本，损失函数是对每个样本的平方差求和，假设有m个样本，线性回归的代价函数如下，为了后续处理方便，乘以一个常数

:

在梯度下降算法中，需要先对参数求导，得到梯度。梯度本身是上升最快的方向，为了让损失尽可能小，沿梯度的负方向更新参数即可。对于单个样本，先对某个参数θj求导：

其中λ就是正则化参数。从上式可以看到，与未添加L2正则化的迭代公式相比，每一次迭代，θj 都要先乘以一个小于1的因子，从而使得θj 不断减小，因此总得来看，θ是不断减小的。

最开始也提到L1正则化一定程度上也可以防止过拟合。之前做了解释，当L1的正则化系数很小时，得到的最优解会很小，可以达到和L2正则化类似的效果。

正则化参数的选择

L1正则化参数

通常越大的λ可以让代价函数在参数为0时取到最小值。下面是一个简单的例子，这个例子来自Quora上的问答。为了方便叙述，一些符号跟这篇帖子的符号保持一致。

假设有如下带L1正则化项的代价函数：

其中x是要估计的参数，相当于上文中提到的w以及θ. 注意到L1正则化在某些位置是不可导的，当λ足够大时可以使得F(x)在x=0时取到最小值。如下图：

图3 L1正则化参数的选择

分别取λ=0.5和λ=2，可以看到越大的λ越容易使F(x)在x=0时取到最小值。

L2正则化参数

从公式5可以看到，λ越大，θj 衰减得越快。另一个理解可以参考图2，λ越大，L2圆的半径越小，最后求得代价函数最值时各参数也会变得很小。

Reference

过拟合的解释：为什么正则化能够降低过拟合 · 神经网络与深度学习

正则化的解释：正则化 · 神经网络与深度学习

正则化的解释：http://blog.csdn.net/u012162613/article/details/44261657

正则化的数学解释（一些图来源于这里）：http://blog.csdn.net/zouxy09/article/details/24971995

深入理解L0，L1和L2正则化: https://blog.csdn.net/anshuai_aw1/article/details/89435414