斯坦福机器学习第六周（模型选择、高偏差、高方差、学习曲线）

这篇文章主要讲解的是如何来对训练出来的代价函数进行评估，一起怎么处理

所遇到的各种问题。

0.引例

假如你已经训练好了一个代价函数来预测房价，然而你却发现用来预测新数据集时，其效果异常的糟糕。那我们接下来该怎么办呢？



可以看到方法有很多种，但是到底应该怎么来进行选择呢？当然绝对不能凭着感觉来。

1. Evaluating your hypothesis

评价一个模型（代价函数）的好坏总体上都是从训练过程中的代价值来进行评判的，其结果无非有三种：欠拟合，恰拟合，过拟合。我们都希望在训练的过程中能够得到最小的代价值，但是最终或许这并不是一个特别好的结果。因为此时有可能就出现了过拟合。所以，说一千道一万首先需要弄清楚的就是这个问题。



假若模型的特征维度只有1个维度，我们可以很直观的通过在数据集上画出代价函数的图像，来判断属于三种情况的哪一种。但问题是，几乎绝大多数问题面临的都是大于1维度的情况，很明显画图就不太现实了。

1.1 Cross Validation

对于已经确定好的模型（e.g. 多项式的次幂d，规则项的λ等超参数都已经确定，见1.2）来说，我们只需要将原有的数据集划分成两个部分训练集(train set)，测试集或验证集(cross validation set/test set)。通常来说训练集和测试集的比值为7:3。其中，训练集仅仅是用来普通参数（非超参数），然后测试集来测试该模型的泛化误差（generalization error），该误差越小，说明模型的预测能力越强。



1.2 Hyper parameter and Model selection

超参数（hyper parameter）,大多数机器学习算法都有超参数，可以设置来控制算法行为。超参数的值不是通过学习算法本身学习出来的，是因为这样的参数太难优化（例如d和λ）。所以超参数基本都是通过手动来进行挑选的，而所谓的模型选择(model selection)就是“训练”得到超参数的过程。

如果仅仅是因为摸个模型的在训练集上表现得异常出色（代价值特别低）我们就选择该模型的或，未免就显得太武断了。因为此时就可能出现了过拟合的现象，所以我们就为数据集选择一个合适的模型，虽然特征冗余也会出现过拟合。而方法就是将原有的数据集分成训练集60%(training set)、交叉验证集20%(cross validation set)和测试集20%(test set)，分别用于计算得到training error,cross validation error以及test error（即generalization error）。

1.2.1 对于不含有规则项的代价函数来说：



假定现在有10个备选模型，分别如下：

1.hθ(x)2.hθ(x)3.hθ(x)...10.hθ(x)=θ0+θ1x=θ0+θ1x+θ2x2=θ0+θ1x+⋯+θ3x3=θ0+θ1x+⋯+θdxd+⋯+θ10x10

用训练集分别将10个模型以对应的Jtrain(θ)进行训练；

用交叉验证集将10个模型训练得到的参数(θ)，分别代入到对应Jcv中计算得到cross validation error;

选择第2步中最小cv error对对应的参数θ以及超参数d，用测试集将其代入Jtest(θ)中计算得到泛化误差；



1.2.2 对于含有规则项的代价函数来说：



我们知道λ的值不管是太大还是太小都不好，太大容易导致欠拟合，太小容易导致过拟合，那么如何才能得到一个折中的值呢？

先随机创建一系列的λ,i.d.λ∈{0,0.01,0.02,0.04⋯,10.24}（这是Ag的方法）；

使用不同的d创建一系列的模型，也就是不同的假设函数hθ(x);

使用不同的d和不同的λ所构成的J(θ)在训练集上来训练得到参数θ（也就是两层嵌套的for循环来完成）；

使用步骤3中得到的参数θ，分别在验证集上计算得到cv error Jcv(θ)；

选择cv error最小情况下所对应的参数θ,λ;

使用第5步中得到的参数θ在测试集上计算得到generalization error Jtest(θ)，以此来判断其泛化能力；



2. Bias and Variance

关于偏差和方差的详细解释可以参见这篇博客；下面是摘自知乎关于什么是偏差(bias)，什么是方差(variance)的直观解释：

想象你开着一架黑鹰直升机，得到命令攻击地面上一只敌军部队，于是你连打数十梭子，结果有一下几种情况:

1.子弹基本上都打在队伍经过的一棵树上了，连在那棵树旁边等兔子的人都毫发无损，这就是方差小（子弹打得很集中），偏差大（跟目的相距甚远）；

2.子弹打在了树上，石头上，树旁边等兔子的人身上，花花草草也都中弹，但是敌军安然无恙，这就是方差大（子弹到处都是），偏差大（同1）；

3.子弹打死了一部分敌军，但是也打偏了些打到花花草草了，这就是方差大（子弹不集中），偏差小（已经在目标周围了）；

4.子弹一颗没浪费，每一颗都打死一个敌军，跟抗战剧里的八路军一样，这就是方差小（子弹全部都集中在一个位置），偏差小（子弹集中的位置正是它应该射向的位置）；

方差，是形容数据分散程度的，偏差，形容数据跟我们期望的中心差得有多远

由此我们就可以知道：

欠拟合等价于高偏差(high bias)，因为训练得到的模型不能很好的拟合目标数据集，即过大的偏离了数据集；

过拟合等价于高方差(high variance)，因为在训练集上过拟合，其图像走势的离散程度必定很大（如下图中的黑点）



因此，1.2.1中Jtraining(θ)与Jcross−validation(θ)同偏差与与方差的关系就如下图所示：



我们可以看出，如果d太小，就会出现欠拟合也就是高偏差；随着d慢慢增大，偏差逐渐减少，Jtraining(θ)和Jcrossvalidation(θ)的值也随之减小。但d超过最优值且逐步曾大后，就会出现过拟合现象，所以Jtraining(θ)会越来越小，Jcrossvalidation(θ)会越来越大。

1.2.2中Jtraining(θ)与Jcross−validation(θ)同偏差与与方差的关系就如下图所示：



当λ特别小时，几乎等于没有惩罚参数，所以必定导致过拟合出现高方差，此时的Jtrain(θ)就远小于Jcv(θ)；随着lambda慢慢增大，对于参数的惩罚就越来越重，此时就会趋于恰拟合的状态，当然方差也会逐步减小；当λ超过最优值之后，就会导致惩罚过重（模型趋于y=b），出现欠拟合的现象，然后产生高偏差；

3. Learning curve

学习曲线（learning curve）是一个能有效帮助我们分析训练模型是否出现问题的工具。

3.1 Learning curve for high bias



从这个曲线我们可以看到：

当m很小的时候，Jtrain(θ)也很小，因为很容易就能拟合（甚至过拟合），但用这个训练好的模型在验证集上来验证，就会出现很差的效果Jcv(θ)异常的大；随着m的增大，Jtrain(θ)开始增大，Jcv(θ)开始减小；当m越来越大的时候，Jcv(θ)也越来越小，也就是说明模型的泛化程度越来越好；但随着m的增大，Jtrain(θ)也迅速增大，然后超过了最优值，虽然Jcv(θ)也在一直减少，但是始终不会达到最优状态且离最优值很远，故而出现高偏差。所以，如果一个模型如果出现了高偏差的话，增加训练集的数量就没有作用了。

3.2 Learning curve for high variance



从这个曲线我们可以看到：

当m较小时，同上面一样；随着m的增大，Jcv(θ)也逐渐变小，也就是说明模型的泛化程度越来越好；当m越来越大时，Jtrain(θ)的虽然持续在增长，但是几乎出现了停滞，很靠近最优的情况；且随着m的增长模型的泛化能力一直在增强，但同样增长得比较缓慢，故而出现了高方差。所以，如果一个模型如果出现了高方差的话，增加训练集的数量仍可以提高模型的性能。

3.2 Neural networks and overfitting



4.Conclusion



实例见坦福斯坦福机器学习第六周课后练习

5.Precise and recall



True Positive: 预测值是1，真实值也是1；

False Positive: 预测值是1，真实值是0；

False Negative:预测值是0，真实值是1；

True Negative:预测值是0，真实值也是0；

举例：



PRFscore=TPTP+FP=8080+20=0.8=TPTP+FN=8080+80=0.5=2PRP+R

在逻辑回归中，P与R的关系：



如何确定threshold?



一个字，试