StanFord ML 笔记 第三部分

 

---

 

 

第三部分：

　　1.指数分布族

　　2.高斯分布--->>>最小二乘法

　　3.泊松分布--->>>线性回归

　　4.Softmax回归

 

---

 

 

指数分布族：

　　　　结合Ng的课程，在看这篇博文：http://blog.csdn.net/acdreamers/article/details/44663091

泊松分布：

　　　　这里是一个扩展，看不看都可以：http://www.ruanyifeng.com/blog/2015/06/poisson-distribution.html

Softmax回归：

　　　　有点难度的，看了3个多小时才看懂。自己就不重复造轮子了，以下是在原文的基础上做的笔记，直接看真的很懵逼！

 

简介：

　　　　在本节中，我们介绍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  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，不过后面也会介绍它与深度学习/无监督学习方法的结合。

 

　　　　回想一下在 logistic 回归中，我们的训练集由  个已标记的样本构成： ，其中输入特征。（我们对符号的约定如下：特征向量  的维度为 ，其中  对应截距项 。） 由于 logistic 回归是针对二分类问题的，因此类标记 。假设函数(hypothesis function) 如下：

注释：这是已经利用泊松分布概率推到的函数。

我们将训练模型参数 ，使其能够最小化代价函数 ：

注释：代价函数在这里的理解就是所有样本概率求和函数。

 

在 softmax回归中，我们解决的是多分类问题（相对于 logistic 回归解决的二分类问题），类标  可以取  个不同的值（而不是 2 个）。因此，对于训练集 ，我们有 。（注意此处的类别下标从 1 开始，而不是 0）。例如，在 MNIST 数字识别任务中，我们有  个不同的类别。

 

对于给定的测试输入 ，我们想用假设函数针对每一个类别j估算出概率值 。也就是说，我们想估计  的每一种分类结果出现的概率。因此，我们的假设函数将要输出一个  维的向量（向量元素的和为1）来表示这  个估计的概率值。 具体地说，我们的假设函数  形式如下：

注释：此图是对下面表达式的说明。

 

 

 

其中  是模型的参数。请注意 这一项对概率分布进行归一化，使得所有概率之和为 1 。

 

为了方便起见，我们同样使用符号  来表示全部的模型参数。在实现Softmax回归时，将  用一个  的矩阵来表示会很方便，该矩阵是将  按行罗列起来得到的，如下所示：

 注释：每个thea都是n行向量，前面求解回归方程已经说明。

 

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， 是示性函数，其取值规则为：

注释：这里是个判断函数，在数学表达式中很少，但是程序直接写 print_value = a==b ? 1 : 0;

1{值为真的表达式 }=1， 值为假的表达式 。

举例来说，表达式  的值为1 ，的值为 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  个可能值进行了累加。注意在Softmax回归中将  分类为类别  的概率为：

 

对于  的最小化问题，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）。经过求导，我们得到梯度公式如下：

 

 

让我们来回顾一下符号 "" 的含义。 本身是一个向量，它的第  个元素  是 对 的第  个分量的偏导数。

 

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 。 例如，在梯度下降法的标准实现中，每一次迭代需要进行如下更新: (）。

 

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，就是和权重衰减(weight decay)一起使用。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  中减去了向量 ，这时，每一个  都变成了 ()。此时假设函数变成了以下的式子：

注释：这个“冗余”的意思是参数太多，N方程解N个未知数，现在出现N个方程N+1个未知数，那么出现的结果就是未知数的解不唯一。

 

换句话说，从  中减去  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。更正式一点来说， Softmax 模型被过度参数化了。对于任意一个用于拟合数据的假设函数，可以求出多组参数值，这些参数得到的是完全相同的假设函数 。

 

进一步而言，如果参数  是代价函数  的极小值点，那么  同样也是它的极小值点，其中  可以为任意向量。因此使  最小化的解不是唯一的。（有趣的是，由于  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）

 注释：上面已经说明解不唯一，那么就等于这个函数的最大似然函数不收敛-->>不存在局部最优解-->>Hessian矩阵是不存在的-->>那么最大似然函数就是无解的。。。

注意，当  时，我们总是可以将 替换为（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  （或者其他  中的任意一个）而不影响假设函数的表达能力。实际上，与其优化全部的  个参数  （其中 ），我们可以令 ，只优化剩余的  个参数，这样算法依然能够正常工作。

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 ，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项  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 ()，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  的导数，如下：

 

 

通过最小化 ，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  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。具体地说，当  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 ，并且从两个参数向量中都减去向量 ，得到:

因此，用 来表示，我们就会发现 softmax 回归器预测其中一个类别的概率为 ，另一个类别概率的为 ，这与 logistic回归是一致的。

 

Softmax 回归 vs. k 个二元分类器：

 注释：这里好理解了，唯一性用SoftMax，不唯一用K个二分类器。

如果你在开发一个音乐分类的应用，需要对k种类型的音乐进行识别，那么是选择使用 softmax 分类器呢，还是使用 logistic 回归算法建立 k 个独立的二元分类器呢？

 

这一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。

 

 

原文地址：http://deeplearning.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92