【机器学习】【基本理论】结构风险、结构风险、损失函数

最新推荐文章于 2021-02-04 16:02:36 发布

wffzxyl

最新推荐文章于 2021-02-04 16:02:36 发布

阅读量3.4k

点赞数 4

分类专栏：机器学习文章标签：结构风险损失函数机器学习

本文链接：https://blog.csdn.net/xylin1012/article/details/71429566

版权

机器学习专栏收录该内容

11 篇文章 0 订阅

订阅专栏

损失函数：用来估量你模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。

经验风险：一个损失函数的函数

结构风险：可简单理解为经验风险（一种损失函数的函数）+λ正则化项。因此，模型的结构风险函数包括了经验风险项和正则项，通常可以表示成如下式子：

θ * = arg min θ 1 N \sum i = 1 N L (y i, f (x i; θ)) + λ Φ (θ)

其中，前面的均值函数表示的是经验风险函数，L代表的是损失函数，后面的 ΦΦ 是正则化项（regularizer）或者叫惩罚项（penalty term），它可以是L1，也可以是L2，或者其他的正则函数。整个式子表示的意思是找到使目标函数最小时的θθ值。

对于损失函数:

线性回归中的损失函数：平方损失函数，可以通过线性回归在假设样本是高斯分布的条件下推导得到.

逻辑回归中的损失函数：log损失函数，在逻辑回归的推导中，它假设样本服从伯努利分布（0-1分布），然后求得满足该分布的似然函数，接着取对数求极值等。而逻辑回归并没有求似然函数的极值，而是把极大化当做是一种思想，进而推导出它的经验风险函数为：最小化负的似然函数（即max F(y, f(x)) —-> min -F(y, f(x)))。

log损失函数形式：L(Y,P(Y|X))=−logP(Y|X)，

这里，取对数是为了方便计算极大似然估计。损失函数L(Y, P(Y|X))表达的是样本X在分类Y的情况下，使概率P(Y|X)达到最大值（换言之，就是利用已知的样本分布，找到最有可能（即最大概率）导致这种分布的参数值；或者说什么样的参数才能使我们观测到目前这组数据的概率最大）。因为log函数是单调递增的，所以logP(Y|X)也会达到最大值，因此在前面加上负号之后，最大化P(Y|X)就等价于最小化L了。

逻辑回归的P(Y=y|x)表达式如下（为了将类别标签y统一为1和0，下面将表达式分开表示）：

将它带入到上式，通过推导可以得到logistic的损失函数表达式，如下：

逻辑回归最后得到的目标式子如下：

J (θ) = - 1 m \sum i = 1 m [y (i) log h θ (x (i)) + (1 - y (i)) log (1 - h θ (x (i)))]

上面是针对二分类而言的。这里需要解释一下：之所以有人认为逻辑回归是平方损失，是因为在使用梯度下降来求最优解的时候，它的迭代式子与平方损失求导后的式子非常相似，从而给人一种直观上的错觉。

这里有个PDF可以参考一下：Lecture 6: logistic regression.pdf.

二、平方损失函数（最小二乘法, Ordinary Least Squares ）

最小二乘法是线性回归的一种，OLS将问题转化成了一个凸优化问题。在线性回归中，它假设样本和噪声都服从高斯分布（为什么假设成高斯分布呢？其实这里隐藏了一个小知识点，就是中心极限定理，可以参考【central limit theorem】），最后通过极大似然估计（MLE）可以推导出最小二乘式子。最小二乘的基本原则是：最优拟合直线应该是使各点到回归直线的距离和最小的直线，即平方和最小。换言之，OLS是基于距离的，而这个距离就是我们用的最多的欧几里得距离。为什么它会选择使用欧式距离作为误差度量呢（即Mean squared error， MSE），主要有以下几个原因：

简单，计算方便；
欧氏距离是一种很好的相似性度量标准；
在不同的表示域变换后特征性质不变。

平方损失（Square loss）的标准形式如下：

L (Y, f (X)) = (Y - f (X)) 2

当样本个数为n时，此时的损失函数变为：
$L(Y, f(X)) = \sum _{i=1}^{n}(Y - f(X))^2$
Y-f(X)表示的是残差，整个式子表示的是 残差的平方和，而我们的目的就是最小化这个目标函数值（注：该式子未加入正则项），也就是最小化残差的平方和（residual sum of squares，RSS）。

而在实际应用中，通常会使用均方差（MSE）作为一项衡量指标，公式如下：

M S E = 1 n \sum i = 1 n (Y i ~ - Y i) 2

上面提到了线性回归，这里额外补充一句，我们通常说的线性有两种情况，一种是因变量y是自变量x的线性函数，一种是因变量y是参数 αα的线性函数。在机器学习中，通常指的都是后一种情况。

三、指数损失函数（Adaboost）

学过Adaboost算法的人都知道，它是前向分步加法算法的特例，是一个加和模型，损失函数就是指数函数。在Adaboost中，经过m此迭代之后，可以得到fm(x):

$f_m (x) = f_{m-1}(x) + \alpha_m G_m(x)$

Adaboost每次迭代时的目的是为了找到最小化下列式子时的参数α 和G：

$\arg \min_{\alpha, G} = \sum_{i=1}^{N} exp[-y_{i} (f_{m-1}(x_i) + \alpha G(x_{i}))]$

而指数损失函数(exp-loss）的标准形式如下

$L(y, f(x)) = \exp[-yf(x)]$

可以看出，Adaboost的目标式子就是指数损失，在给定n个样本的情况下，Adaboost的损失函数为：

$L(y, f(x)) = \frac{1}{n}\sum_{i=1}^{n}\exp[-y_if(x_i)]$

关于Adaboost的推导，可以参考Wikipedia：AdaBoost或者《统计学习方法》P145.

四、Hinge损失函数（SVM）

在机器学习算法中，hinge损失函数和SVM是息息相关的。在线性支持向量机中，最优化问题可以等价于下列式子：
$\min_{w,b} \ \sum_{i}^{N} [1 - y_i(w\cdot x_i + b)]_{+} + \lambda||w||^2$
下面来对式子做个变形，令：
$[1 - y_i(w\cdot x_i + b)]_{+} = \xi_{i}$
于是，原式就变成了：
$\min_{w,b} \ \sum_{i}^{N} \xi_i + \lambda||w||^2$
如若取λ=12C，式子就可以表示成：
$\min_{w,b} \frac{1}{C}\left ( \frac{1}{2}\ ||w||^2 $$ + C \sum_{i}^{N} \xi_i\right )$
可以看出，该式子与下式非常相似：
$\frac{1}{m} \sum_{i=1}^{m} l(w \cdot x_i + b, y_i) + ||w||^2$

前半部分中的l就是hinge损失函数，而后面相当于L2正则项。

Hinge 损失函数的标准形式

L (y) = max (0, 1 - y y ~), y = \pm 1

可以看出，当|y|>=1时，L(y)=0。

五、其它损失函数

除了以上这几种损失函数，常用的还有：

0-1损失函数
$L(Y, f(X)) = \left\{\begin{matrix}1 ,& Y \neq f(X)\\ 0 ,& y = f(X) \end{matrix}\right.$
绝对值损失函数
$L(Y, f(X)) = |Y-f(X)|$
下面来看看几种损失函数的可视化图像，对着图看看横坐标，看看纵坐标，再看看每条线都表示什么损失函数，多看几次好好消化消化。

OK，暂时先写到这里，休息下。最后，需要记住的是：参数越多，模型越复杂，而越复杂的模型越容易过拟合。过拟合就是说模型在训练数据上的效果远远好于在测试集上的性能。此时可以考虑正则化，通过设置正则项前面的hyper parameter，来权衡损失函数和正则项，减小参数规模，达到模型简化的目的，从而使模型具有更好的泛化能力。

平方误差函数（square error function)与平方损失函数(square loss function)：

最初的最小二乘法并没有统计理论基础，只是一种数值计算方法。一般只求使∑(ti−y(xi,θ))2最小的θ^,也不考虑t的具体模型假设是什么。当我们学习最小二乘的时候，我们总是会问，问什么我们取差的平方和，而不取差的绝对值，或者四次方的和呢？答案是最小二乘法为人们所熟知所运用，最根本的原因是，它与高斯模型下的极大似然估计的结果是一致的！因此，我们使用最小二乘而不使用最小一乘或四乘是有道理的。

损失函数是用来做预测的，属于决策理论的范畴。在一个估计好的模型t=f(x,θ^)+ϵ下，我们如何对一个预测变量x′的输出t′进行预测呢？用t^′=f(x′)作预测呗。有没有想过其原因呢？其实，这时t′是一个随机变量，这个随机变量可能会取各种各样的值，用f(x′)作为t′的预测值，在ϵ服从0均值正态分布假设下，意味着用一个随机变量的均值对一个随机变量做预测。显然，预测不可能准确，也就是说t′−t^′不可能为0。但是，在使（t′−t^′)2最小的情况下，用均值做预测是最好的选择。而（t′−t^′)2就是平方损失函数，即预测可能发生的损失。在其他损失函数下，比如∥t′−f(x′)∥,这时用均值做预测，就不会让这个损失函数最小，反而用中位数会更好。