Softmax介绍
Softmax回归模型,该模型是logistic回归模型在多分类问题上的推广,在多分类问题中,类标签 y 可以取两个以上的值。Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的,该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的,不过它可以与深度学习/无监督学习方法的结合。
在 logistic 回归中,我们的训练集由 m 个已标记的样本构成:
我们将训练模型参数 θ ,使其能够最小化代价函数 :
在 softmax回归中,我们解决的是多分类问题,
y
可以取
对于给定的测试输入
x
,我们想用假设函数针对每一个类别
其中 θ1,θ2,…,θk∈ℜn+1 是模型的参数。 1∑kj=1eθTjx(i) 是对概率分布进行归一化,使得所有概率和为 1 。
为了方便起见,我们同样使用符号 θ 来表示全部的模型参数。在实现Softmax回归时,将 θ 用一个 k×(n+1) 的矩阵来表示会很方便,该矩阵是将 θ1,θ2,…,θk 按行罗列起来得到的,如下所示:
代价函数
现在我们来介绍 softmax 回归算法的代价函数。在下面的公式中, 1{⋅} 是指示函数,花括号内是真为1,为假则为0。我们的代价函数为:
值得注意的是,上述公式是logistic回归代价函数的推广。logistic回归代价函数可以改为:
可以看到,Softmax代价函数与logistic 代价函数在形式上非常类似,只是在Softmax损失函数中对类标记的
k
个可能值进行了累加。注意在Softmax回归中将
对于 J(θ) 最小化问题,目前还没有闭式解法。因此,我们使用迭代的优化算法(例如梯度下降法,或 L-BFGS)。经求导,我们得到梯度公式如下:
让我们来回顾一下符号
∇θj
的含义:
∇θjJ(θ)
本身是一个向量,它的第
l
个元素
有了上面的偏导数公式以后,我们就可以将它代入到梯度下降法等算法中,来最小化
当实现 softmax 回归算法时, 我们通常会使用上述代价函数的一个改进版本。具体来说,就是加上权重衰减(weight decay)。我们接下来介绍使用它的动机和细节。
Softmax回归模型参数化的特点
Softmax 回归有一个不寻常的特点:它有一个“冗余”的参数集。为了便于阐述这一特点,假设我们从参数向量 θj 中减去了向量 ψ ,这时,每一个 θj 都变成了 θj−ψ(j=1,…,k) 。此时假设函数变成了以下的式子:
换句话说,从
θj
中减去
ψ
完全不影响假设函数的预测结果!这表明前面的 softmax 回归模型中存在冗余的参数。换而言之, Softmax 模型被过度参数化了!
进一步说,如果参数
(θ1,θ2,…,θk)
是代价函数
(θ)
的极小值点,那么
(θ1−ψ,θ2−ψ,…,θk−ψ)
同样也是它的极小值点,其中
ψ
可以为任意向量。因此使
J(θ)
最小化的解不是唯一的。(有趣的是,由于
J(θ)
仍然是一个凸函数,因此梯度下降时不会遇到局部最优解的问题。但是 Hessian 矩阵是奇异的/不可逆的,这会直接导致采用牛顿法优化就遇到数值计算的问题)。
注意,当 ψ=θ1 时,我们总是可以将 θ1替换为θ1−ψ=0⃗ (即替换为全零向量),并且这种变换不会影响假设函数。因此我们可以去掉参数向量 θ1 (或者其他 θj 中的任意一个)而不影响假设函数。实际上,与其优化全部的 k×(n+1) 个参数 (θ1,θ2,…,θk) (其中 θj∈ℜn+1 ),我们可以令 θ1=0⃗ ,只优化剩余的 (k−1)×(n+1) 个参数,这样算法依然能够正常工作。
但在实际应用中,为了使算法实现更简单清楚,往往保留所有参数 (θ1,θ2,…,θn) ,而不任意地将某一参数设置为 0。但此时我们需要对代价函数做一个改动:加入权重衰减。权重衰减可以解决 softmax 回归的参数冗余所带来的数值问题。
权重衰减
我们通过添加一个权重衰减惩罚项 λ2∑ki=1∑nj=0θ2ij 来修改代价函数,这个衰减项会惩罚过大的参数值,现在我们的代价函数变为:
有了这个权重衰减项以后 ( λ>0 ),代价函数就变成了严格的凸函数,这样就可以保证得到唯一的解了。 此时的 Hessian矩阵变为可逆矩阵,并且因为 J(θ) 是凸函数,梯度下降法和 L-BFGS 等算法可以保证收敛到全局最优解。
为了使用优化算法,我们需要求得这个新函数 J(θ) 的导数,如下:
通过最小化 J(θ) ,我们就能实现一个可用的 softmax 回归模型。
Softmax回归与Logistic 回归的关系
当类别数 k=2 时,softmax 回归退化为 logistic 回归。这表明 softmax 回归是 logistic 回归的一般形式。当 k=2 时,softmax 回归的假设函数为:
利用softmax回归参数冗余的特点,我们令 ψ=θ1 ,并且从两个参数向量中都减去向量 θ1 ,得到:
因此,用 θ′ 来表示 θ2−θ1 ,我们就会发现 softmax 回归器预测其中一个类别的概率为 11+e(θ′)Tx(i) ,另一个类别概率的为 1−11+e(θ′)Tx(i) ,这与 logistic回归是一致的。
Softmax 回归 与k 个二元分类器比较
如何选择选择取决于你的类别之间是否互斥,例如,如果你有四个类别的音乐,分别为:古典音乐、乡村音乐、摇滚乐和爵士乐,那么你可以假设每个训练样本只会被打上一个标签(即:一首歌只能属于这四种音乐类型的其中一种),此时你应该使用类别数 k = 4 的softmax回归。(如果在你的数据集中,有的歌曲不属于以上四类的其中任何一类,那么你可以添加一个“其他类”,并将类别数 k 设为5。)
如果你的四个类别如下:人声音乐、舞曲、影视原声、流行歌曲,那么这些类别之间并不是互斥的。例如:一首歌曲可以来源于影视原声,同时也包含人声 。这种情况下,使用4个二分类的 logistic 回归分类器更为合适。这样,对于每个新的音乐作品 ,我们的算法可以分别判断它是否属于各个类别。
现在我们来看一个计算视觉领域的例子,你的任务是将图像分到三个不同类别中。(i) 假设这三个类别分别是:室内场景、户外城区场景、户外荒野场景。你会使用sofmax回归还是 3个logistic 回归分类器呢? (ii) 现在假设这三个类别分别是室内场景、黑白图片、包含人物的图片,你又会选择 softmax 回归还是多个 logistic 回归分类器呢?
在第一个例子中,三个类别是互斥的,因此更适于选择softmax回归分类器 。而在第二个例子中,建立三个独立的 logistic回归分类器更加合适。
注:本文参考Ufldl教程