MachineLearning(Hsuan-Tien Lin)第十二讲

非线性转换

二次假设

前面说的分类都是线性可分的情况，即直观上看就是用直线就能把点分到对的阵营。

数学上找这条线的时候，算一个分数：

如果不是线性可分的情况，怎么做分类呢？

理论上，我们讲过dvc保证机器学习可行。 

只是，有可能找的直线，Ein比较大。

那么，我们就想，能不能不找直线呢？

对于上面的数据，我们直觉用个圆，好像做得就挺好的，所有点都分到对的阵营。

 

这个圆的方程是：

即圆心在（0，0），半径为的圆

我们发现，的点是o（+1）；的点是x（-1）。

这和(Hsuan-Tien Lin)第二讲说perceptron几乎一样，区别就是这里是圆，第二讲的是直线。

如果我们也取正负号：

来看看，用圆做分类和用直线做分类之间的关系。

把上面的模型写成这个样子：

 

为了和直线的区分开，我们把这里的变量都叫z，系数叫

 

如上图，在x空间找了两个点X1(x1，x2)和X2（x1’，x2’），映射到z空间就是下图所示Z1（z1，z2）和Z2（z1’，z2’）

 

把x空间所有点都映射到z空间后，发现，原来线性不可分的点，线性可分了，于是就能找到一条直线把它们分开。而这条直线在x空间，其实就是那个圆。

把x空间到z空间的映射，叫做线性转换，表示成：

那你会问，z空间的又能不能映射到x空间呢？也是可以的：

 

所以，二者可以相互转换 

上面的二次曲线都是中心或圆心在原点的，能不能推广到更多的二次曲线呢？

既然是所有的二次曲线，就把所有多项式组合都写出来：

这样，系数就变为：

所以对于前面的圆就是：{0.6，0，0，-1，0，-1}

如果现在要实现一个椭圆：

系数是什么呢？

所以={33，-20，-4，3，2，3}

非线性转换

所以非线性转换的步骤：所以，如果要在x空间找到好的二次曲线，就要在z空间找到好的感知机。前面那么多讲都在说x空间找好的感知机，要用到（xn，yn），所以z空间找到好的感知机，就要用到

（1）把x空间经过转换到z空间：把（xn，yn）经过变成

（2）在z空间找到好的感知机：用

（3）输出结果

 

第三步，看似要用逆转回去，其实不是。实际做的就是给结果就行。比如上图中左下角的点A，在z空间是点B。只要z空间告诉说它是o（+1）还是x（-1）就可以了。z空间说它是+1，x空间就把这个点描成o（+1）。

从上面看出线性转换有两个关键：和算法Α。

算法Α能从之前的找，用PLA，线性回归之类的。呢？

我们想想做的是什么。在x空间时，有两个特征x1和x2，因为数据线性不可分，我们映射到了z空间，变成了五个特征。希望能够找到一条二次曲线很好的分开点。

回顾第三讲，我们说过数字辨识，如果手写1，机器学习的时候考虑对称性和密度，就是特征转换，即从原始的特征抽象出{对称性，密度}。如果把数字变成256维度的向量，也是特征转换。所以就是特征转换。

Model Complexity Price

前面的x空间是个二维空间，即特征就两个。如果现在是d维空间，要映射到space空间，找Q次曲线怎么做呢？

这是特征，那么需要多少系数呢？

表示在z空间的维度

重复组合，从d个中取≤Q个，一共有多少种？

(百度百科：重复组合。从n种不同元素中取出m的元素（方法是从n个元素中每次取出一个后，放回，再取另外一个，直到取出m个元素），每一种元素不超过m个，且每一种类的个数要大于等于m,并成一组，叫做n个不同元素的一个m-可重组合。n个不同元素的m-可重组合数为C(n+m-1,m)，m可以是任意的正整数。)^^推导过程可以去搜搜。

上面为什么上标不是Q+d-1？是因为有一个必取项“1”，使得有d+1维，则上标为d+1+Q-1。

在andrew的week4非线性分类也说到，多项式的各种组合，真的非常多。

在第七讲说到， dvc是可以自由变化的特征系数w的个数。现在在z空间，dvc=+1=。

我们的特征转换的次数不同，效果显然也不同。

所以，我们要做一种平衡：

可是，我们好像也不需要那么多的系数，就像前面的二次曲线特征有，但是我们求的那个圆，也只有两个特征啊。

这是因为你已经看过了结果，开始给出下面的图时，谁都不知道哪个曲线做得好。

 

那你又会说，那就不看结果，也可以是，表现也不错或者。这样都不行，虽然不看结果，但是你说这个z好，那个z好，是你看了数据，经过你的思考推论出来的。这样，如果算代价的话，也要把人脑思考的代价算上。而对于特征转换是没有看过数据的。

Structured Hypothesis Sets

我们举3个特征的例子，x1，x2，x3

Φ0(x)={1}

Φ1(x)={1，x1，x2，x3}={Φ0(x)={1}，一次项}

Φ2(x)={1，x1，x2，x3，x1x2，x1x3，x2x3，x1^2，x2^2，x3^2}={Φ1(x)，二次项}

Φ3(x)={1，x1，x2，x3，x1x2，x1x3，x2x3，x1^2，x2^2，x3^2，x1x2x3，x1^3，x2^3，x3^3}={Φ2(x)，三次项}

观察上面ΦQ包括ΦQ-1的转换。

 

看个例子：

如果二次项的系数为0，即时，

随着h越来越多，可以shatter的点就会越来越多，dvc越来越大，特征越来越多，模型越来越复杂，Ein越来越小。

又见到了这幅熟悉的图。所以在初学者看，特征越过越好，dvc越大越好。实际上这样很危险，因为Ein的确变小了，但是Eout却很大，而且模型很复杂。

所以，开始都是从hΦ1(x)开始，如果Ein表现挺好的，就可以交差了。如果表现不好，就增加特征的次数，Ein稍微表现好了就停。

linear model first:simple： efficient, safe, and workable!