标签：
今天太长姿势了，什么叫懂了也写不出代码说的不就是我吗，就那么几行代码居然叽叽歪歪写了一个小时。
首先exercise要实现的是softmax的cost function和gradient，如下图：
（1）
（2）
（3）
下面就来仔细分析怎么不借助for循环高效的实现上面三个函数。
首先P是一个关键，因为在J和梯度中都出现了，所以现在实现P。
可以看到theta和X的乘积是一个十分重要的量，因为在分子分母中都出现了，所以首先计算假设h=exp(θTX),那么h(k,i)就是exp(θ(k)T*x(i))的值了，实际就是计算样本i标签为k的概率，当然是没归一化的。这一句的代码十分简单（为何不支持matlab的代码？有种被歧视了的赶脚=。=）：
h = exp(theta‘ * X);
此时要注意的一点是虽然有10个分类，但是通过ufldl的讲解我们知道有一个参数是多余的，更直观的理解就是如果得到了x(i)取前9类的概率，那么取第10类的概率直接用1减去前9类的概率和就得到了，所以theat矩阵是9行，而不是10行。我们得到的h也是9行，和公式里面K=10不一样，所以我们给h加上1行1，至于为什么是1，接下来就知道了。
h = [h;ones(1,m)];
接下来就可以计算P了，我们计算一个矩阵P，使得P(k,i)表示上述公式2的值。可以看到公式2里面的分子就是上面计算过的h(k,i)的值，而分母就是h的第i列的值相加。这里就可以借助bsxfun函数实现：
p = bsxfun(@rdivide,h,sum(h));
logp = log2(p);
bsxfun函数是一个十分高效的函数，上述第一个参数@rdivide表示对h中的每个值做“右除”除法，sum(h)就是上面分析出来的P的分母值，是一个行向量1*m(m是总样本数)，即(sum(h))(i)表示h的第i列相加的值，这样bsxfun函数就会自动对h的每一行的每一个元素，都除以sum(h)这一个行向量的对应位置的值。
接下来就可以计算cost function J了。借助sub2ind这个函数实现。ufldl上有对这个函数的解释，这里大概总结以下：对于矩阵A，I=sub2ind(size(A), 1:size(A,1), y);执行后I中存放所有index为(1,y(1)),(2,y(2)),(3,y(3)),...(size(A,1),y(size(A,1)))的元素的index，所以A(I)就是这些元素实际的值了。对于cost function J，我们需要把logp中所有(k,i)位置上的值都拿出来，其中k是x(i)的ground truth的标签，所以我们可以这么写sub2ind函数：
index = sub2ind(size(logp),y,[1:m]);
再把index里面元素在logp中对应的值加起来就是cost function J了：
f = -sum(logp(index));
最后解释一下为什么要给h最后一行补1，我们知道如果h(10,i)接近1，说明分类器认为x(i)取第10类的概率大；如果h(10,i)接近0，说明x(i)分类器不太可能取第10类，如果是其他值，说明分类器“自信度”不高，我们不用考虑。我们只要考虑h(10,i)为1的情况，因为我们只要保证从logp中取(k,i)位置上的元素时候，在h(k,i)位置上接近1的元素(k,i)在logp中被取出来，其他位置上的1并不会给最终的梯度带来影响，因为它们不会被取出来，所以在最初的h的最后一行，即使x(i)不属于第k类，我们把h(k,i)置为1，也不会对后面的运算造成影响。但如果x(i)确实属于第k类，我们把h(k,i)置为1，就保证了这部分误差会被计算到最终的误差J中。
以上计算了cost function J的值，接下来计算梯度g：
首先我们知道上面计算出来的P是一个k*m的矩阵(k是类的数目，m是样本的数量)，P(k,i)表示样本x(i)属于第k类的概率，公式3中重要的是怎么求出一个k*m的矩阵yk，使得yk(k,i)表示x(i)是否属于第k类，如果属于，yk(k,i)=1;否则yk(k,i)=0;也就是公式3中减号前面的项，可以用如下代码实现：
yk = full(sparse(y,1:m,1));
full,sparse函数是非常神奇的。假设我们有一个矩阵A=[1,2,4]，那么 full(sparse(A,1:3,1));就生成了如下的一个矩阵：
1 0 0 0 1 0 0 0 0 0 0 1
一般来说如果A是一个1*m的矩阵，那么full(sparse(A,1:m,1))就生成了一个(max(A),m)的矩阵，这个矩阵中(A(i),i)上的元素为1，其他元素都为0。这样我们用
yk = full(sparse(y,1:m,1));
就可以得到上面要求的yk。
不过呢，y里面是有10个类标的，所以yk其实是一个10*m的矩阵，前面说了，我们只要知道一个样本x为前9类的样本的概率就可以了，所以我们其实只需要yk的前9行，所以要对yk进行一个截短，同样对上面的p也做一个，因为其实p的最后一行是我们手动加上去的，并且在公式3中yk要和p相减，我们需要保证p和yk的维度match。
yk = yk(1:num_classes-1,:);
p = p(1:num_classes-1,:);
最后就可以根据公式3计算梯度了
g = -X * (yk-p)‘;
就这么三个公式，想用代码高效的实现就这么困难，有时候不光要关注idea，更要关注idea的实现。我实现的第一个版本准确率只有87%，这个版本有92%，有时候真的不知道是算法不好，还是实现不好，所以会码是非常重要的！
最后上下结果，总共迭代了232次：
完整的代码可以在我的github上看到。
参考：
【1】http://blog.csdn.net/lingerlanlan/article/details/38425929
【2】http://ufldl.stanford.edu/tutorial/supervised/SoftmaxRegression/
【ufldl tutorial】Softmax Regression
标签：
原文地址：http://www.cnblogs.com/sunshineatnoon/p/4524365.html
