标签：class 大小 学习 min 机器 res 似然函数 计算 src
着重介绍hige loss 和 softmax loss。
\(C_1,C_2\)是要区分的两个类别，通过分类函数执行时得到的值与阈值的大小关系来决定类别归属，例如：
\[g(x) = g(w^Tx+b)\]
我们取阈值为0，此时\(f(x)=sgn[g(x)]\)就是最终的判别函数。对于同一个问题，有多个分类函数，哪一个更好呢？于是引入了“分类间隔”的指标
给定样本\((x_i, y_i)\)，函数间隔为:
\[\gamma_i=y_i*(w^Tx_i+b)\]
当\(y_i=1\)时，\(w^Tx_i+b\)应该是一个很大的正数，反之是一个大负数。因此函数间隔反映了模型的确定度。
考虑w和b，如果同时加倍w和b，函数间隔也会加倍，但这对于求解问题是无意义的。因此我们限制w和b，引入了归一化条件，毕竟我们求解的唯一的一对w和b。
几何距离：点A到垂足的单位方向向量BA为\(\frac{w}{||w||}\)，假设\(A=x_i\)，则\(B=x_i-\hat{\gamma}*\frac{w}{||w||}\)，带入\(w^Tx+b=0\)得到：
\[\hat{\gamma} = \frac{w^Tx_i+b}{||w||}\]
\(\hat{\gamma}\)可以看出就是二维平面中，点到直线的距离，高维下便是点到平面的距离。考虑正反例：
\[\hat{\gamma} = y_i*\{\frac{w^Tx_i+b}{||w||}\}\]
当\(||w||=1\)时，几何间隔也正是我们想要的归一化函数间隔。归一化也解释了函数间隔的实际意义。
我们的目标是找到一个超平面，使得里超平面较近的点能有更大的间距，也就是我们不必考虑所有的点，值关心离它最近的点能具有最大间距。
\[\max \gamma \s.t.\ y_i(w^Tx_i+b)>\gamma,i=1,...,m \||w||=1
\]
然而这个目标函数仍然不是凸函数，我们把问题转化一下，我们取\(\gamma=1\)，此时离超平面最近点的距离即为\(\frac{1}{||w||}\)，计算\(\frac{1}{||w||}\)的最大值相当于计算\(\frac{1}{2}||w||^2\)的最小值。（之所以采用这种形式，是为了方便后面的求解过程）
最终的优化方程如下：
\[\min \frac{1}{2} ||w||^2 \s.t.\ y_i(w^Tx_i+b)\geq1, i=i,...,m \]
只有线性约束，且是一个典型的二次规划问题。核函数、松弛变量等问题这里先不做涉及。
模型的优化函数的通常形式如:
\[\theta^* = \arg \min_\theta \frac{1}{N}{}\sum_{i=1}^{N} L(y_i, f(x_i; \theta)) + \lambda\ \Phi(\theta)\]
前面是损失函数，后面是正则项。
损失函数是一个折线，函数表达式为：
\[L(x_i)=\max(0, 1-f(m_i,w))\]
如果类别正确，损失为0，否则为\(1-f(m_i,w)\)。
在svm中，考虑松弛变量，优化函数为：
\[
\underset{w,\zeta}{argmin} \frac{1}{2}||w||^2+ C\sum_i \zeta_i \st.\quad \forall y_iw^Tx_i \geq 1- \zeta_i \\zeta_i \geq 0
\]
约束进行变形得：\(\zeta_i \geq 1-y_iw^Tx_i\)
优化损失函数进一步可写为：
\[
\begin{aligned}
J(w)&=\frac{1}{2}||w||^2 + C\sum_i max(0,1-y_iw^Tx_i) \&= \frac{1}{2}||w||^2 + C\sum_i max(0,1-m_i(w)) \&= \frac{1}{2}||w||^2 + C\sum_i L_{Hinge}(m_i)
\end{aligned}
\]
SVM的损失函数实质可看作是L2-norm和Hinge loss之和。
逻辑回归问题要求：\(P(Y|X)\)尽可能的大，即最小化负的似然函数。
\[L=-log(P(Y|X))\]
逻辑回归的表达式为：
\[ P(y=1|x;\theta) = h(x) \P(y=0|x;\theta) = 1-h(x) \]
\[p(y|x;\theta)=h(x)^y(1-h(x))^{(1-y)}\]
得：
\[ L(\theta) = \prod_{i=1}^n{h(x)^y(1-h(x))^{(1-y)}} \]
最大log似然函数为：
\[ \begin{split} \ell(\theta)&=log(L(\theta)) \&= \sum_{i=1}^m{ylog(h(x)) + (1-y)log(1-h(x))} \end{split} \]
上式也是最小化交叉熵。
损失函数：
\[L(Y, f(X)) =\sum_{i=1} ^n (Y-f(X))^2\]
损失函数:
\[L(Y,f(X)) = \frac{1}{2} \sum_{i=1}^n \exp[-y_if(x_i)]\]
Adabooost 的目标式子就是指数损失，可以参考https://en.wikipedia.org/wiki/AdaBoost
假设数据集 \(\{(x_1, y_1), \ldots, (x_N, y_N)\}\)，\(x_i\)相应的标签\(y_i \in \{-1, 1\}\), 已有的弱分类器组 \(\{k_1, \ldots, k_L\}\)，它们的输出为 \(k_j(x_i) \in \{-1, 1\}\)。\(m-1\)次迭代后，得到boosted classifier:
\[C_{(m-1)}(x_i) = \alpha_1k_1(x_i) + \cdots + \alpha_{m-1}k_{m-1}(x_i)\]
第m次迭代后，我们添加了新的弱分类器：
\[C_{m}(x_i) = C_{(m-1)}(x_i) + \alpha_m k_m(x_i)\]
为了确定新的弱分类器及其权重，定义损失函数：
\[E = \sum_{i=1}^N e^{-y_i C_m(x_i)}\]
设\(w_i^{(1)} = 1\) , \(w_i^{(m)} = e^{-y_i C_{m-1}(x_i)}\) for \(m > 1\), 则:
\[E = \sum_{i=1}^N w_i^{(m)}e^{-y_i\alpha_m k_m(x_i)}\]
我们把数据分为两部分： (\(y_i k_m(x_i) = 1\))\(k_m\) 分类器区分正确和 \(y_i k_m(x_i) = -1\) 分类错误:
\[E = \sum_{y_i = k_m(x_i)} w_i^{(m)}e^{-\alpha_m} + \sum_{y_i \neq k_m(x_i)} w_i^{(m)}e^{\alpha_m}\]
\[= \sum_{i=1}^N w_i^{(m)}e^{-\alpha_m} + \sum_{y_i \neq k_m(x_i)} w_i^{(m)}(e^{\alpha_m}-e^{-\alpha_m})\]
因为只有右侧项\(\sum_{y_i \neq k_m(x_i)} w_i^{(m)}\)依赖于\(k_m\)，我们最小化\(E\) 等价于最小化\(w_i^{(m)} = e^{-y_i C_{m-1}(x_i)}\)的权重。
计算\(\alpha_m\)，求导：
\[\frac{d E}{d \alpha_m} = \frac{d (\sum_{y_i = k_m(x_i)} w_i^{(m)}e^{-\alpha_m} + \sum_{y_i \neq k_m(x_i)} w_i^{(m)}e^{\alpha_m}) }{d \alpha_m}\]
\[\alpha_m = \frac{1}{2}\ln\left(\frac{\sum_{y_i = k_m(x_i)} w_i^{(m)}}{\sum_{y_i \neq k_m(x_i)} w_i^{(m)}}\right)\]
弱分类器的加权错误率为\(\epsilon_m = \sum_{y_i \neq k_m(x_i)} w_i^{(m)} / \sum_{i=1}^N w_i^{(m)}\)
所以：
\[\alpha_m = \frac{1}{2}\ln\left( \frac{1 - \epsilon_m}{\epsilon_m}\right)\]
标签：class 大小 学习 min 机器 res 似然函数 计算 src
原文地址：https://www.cnblogs.com/houkai/p/10160673.html
