李宏毅老师浅谈机器学习

news2024/12/28 20:54:05

李宏毅老师浅谈机器学习

- 引例 - 宝可梦/数码宝贝分类器
- 如何定义损失函数？- 经验
- 这里定义一个直观的loss函数
- 根据全体数据，得到最好的模型参数(理想）
- 如何衡量现实损失和理想损失接近程度？
- 如何得到跟含所有样本数据集很像的取样数据集？
- 取样得到坏的数据集的概率多大？probablity of failure
- 如何减小取样坏样本集的概率？- 增大样本集&减小参数可能值个数
- 假设 $\mathcal H$ 是有限的，即h（threshold是离散的），参数不应该是连续的吗？
- 为什么实际情况中都是增大样本集使得理想和现实损失值接近，而不是减小 $\mathcal H$ ？- 减小 $\mathcal H$ 会导致找不到最佳参数
- 有没有办法使得现实的损失值小并且理想与现实的损失值差距也小？- 有，深度学习，how to do？To be continue
- 援引

引例 - 宝可梦/数码宝贝分类器

参数越多，训练的loss和testing售后的loss差距会越大
参数越多，越有可能overfitting

线条更复杂
edge detection，白色的点
在这里插入图片描述

根据线条的复杂程度
threshold（门槛）
h相当于network里面的参数
在这里插入图片描述

h有多少种可能的选择，也叫模型的复杂程度
含有未知数的模型，未知数的选择很多

如何定义损失函数？- 经验

这里定义一个直观的loss函数

在这里插入图片描述

定义一个loss
每一笔资料，代表h在这一笔资料上表现得好坏，算出来每一笔资料的loss，再取平均值

哪一个threshold的好坏

平均就是错误率
一般不是这样定义loss，crossentropy
这样，直观但是，不能微分，不能通过gradient decent来optimize function

根据全体数据，得到最好的模型参数(理想）

假设可以搜索到全宇宙的宝可梦、数码宝贝
所有可能的h里面能让 $D_{all}$ loss的平均值最小的那个取值
如果可以收集到所有的宝可梦和数码宝贝数据，那么可以得出最好的模型参数。
（这里用error rate不能微分但是没关系，h的可行性是有限的，才1w，爆搜就好）

但是，现实问题中，大多数问题只能收集到一部分样本（取样），并不能找到所有的样本数据。取样的要求：独立同分布（independently and identically distribution，i.i.d.）

在这里插入图片描述

如何衡量现实损失和理想损失接近程度？

差距越小越好
在这里插入图片描述
横轴越往右越复杂
纵轴表示在这个线条复杂度上的数码宝贝的数量
哈哈哈哈还记得h是什么吗？线条复杂度超过h就是数码宝贝，没超过就是个宝可梦喔

$L_{all}$ 在 $D_{all}$ 上的loss一定小于 $L_{train}$ 在 $D_{all}$ 上的loss，
但可能 $L_{train}$ 在 $D_{train}$ 上的loss会小于 $L_{all}$ 在 $D_{all}$ 上的loss
但不一定会比其他threshold在其他训练集上得到的loss要小
为什么呢？
在这里插入图片描述

找一个比较有代表的D_train，不管是哪一个h，在D_train和D_all上的loss都差不多
看的是sample到怎样的序列，怎样一组D_train

如何得到跟含所有样本数据集很像的取样数据集？

接下来讨论的问题：如何得到跟含所有样本数据集很像的取样数据集？

只要满足②，就会得到一个跟含所有样本数据集很像的取样数据集，就一定满足①（即：达到目的：理想和现实的损失值接近）。

在这里插入图片描述

取样得到坏的数据集的概率多大？probablity of failure

接下来讨论的问题：取样得到坏的数据集的概率多大？

说明：
① 以下的讨论与模型没有关系，适用于深度学习或其他模型；
② 以下的讨论没有对数据假设任何的数据分布；
③以下的讨论与损失函数无关，适用于任何损失函数，因为分类和回归只是损失函数不同，所以以下讨论同时适用于分类和回归。

在这里插入图片描述
一般化的原理，适用于很多不同的情境下

一个点一组训练资料而不是一笔资料

蓝色好的训练资料，理想和现实差别小

橙色的点所占有的机率当然是越小越好，但怎么计算橙色的点占有的机率呢？
{为什么不看蓝色，因为判断一组训练资料是好还是不好，好的条件是：不管哪一个h，都能使得D_train和D_all上的loss都差不多(前者-后者不超过σ）,所有h都要满足，那证明一笔训练资料是坏的就只需要找到一个h使得前者-后者超过σ
}
在这里插入图片描述
枚举所有样本集，计算是否是坏样本集，比较繁琐，所以使用如下方法，给定参数 h ，计算哪些样本集是坏样本集，并求出这些样本集占总样本集的概率。

很难考虑overlap的地方，overlap按道理得取并集嘛
不考虑overlap就直接求和，超过了1这个理论就无效了
求并集一定不会大于1，但是求和可能大于1，通常求和算出的P的上界都远远大于1，这时该理论无效。
在这里插入图片描述

下图中，使用的是霍夫丁不等式

在这里插入图片描述

如何减小取样坏样本集的概率？- 增大样本集&减小参数可能值个数

如果要使得坏样本集的概率变小，有两种办法：一是增大样本集样本个数N；二是减小 h 可能值的个数。

给定某个h，会被它弄坏的那些D_train 出现的机率
L是D里面每一笔训练资料计算出的loss 的平均
如果增大N，那么，每一个h可以弄坏的training data，机率变少了，每一个h管的范围变少了（别忘了h是threshold），让差的dataset被sample到的机率变小
在这里插入图片描述