公众号:数据挖掘 DW
ID:
d a t a d w
关注公众号并回复”数学”,可获取 word 版资料
机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
这个系列主要想能够用数学去描述机器学习,想要学好机器学习,首先得去理解其中的数学意义,
不一定要到能够轻松自如的推导中间的公式,不过至少得认识这些式子吧,不然看一些相关的论文可
就看不懂了,这个系列主要将会着重于去机器学习的数学描述这个部分,将会覆盖但不一定局限于回
归、聚类、分类等算法。
回归与梯度下降:
回归在数学上来说是给定一个点集,能够用一条曲线去拟合之,如果这个曲线是一条直线,那就被
称为线性回归,如果曲线是一条二次曲线,就被称为二次回归,回归还有很多的变种,如 locally
weighted 回归,logistic 回归,等等,这个将在后面去讲。
用一个很简单的例子来说明回归,这个例子来自很多的地方,也在很多的 open source 的软件中
看到,比如说 weka。大概就是,做一个房屋价值的评估系统,一个房屋的价值来自很多地方,比如
说面积、房间的数量(几室几厅)、地段、朝向等等,这些影响房屋价值的变量被称为特征(feature),
feature 在机器学习中是一个很重要的概念,有很多的论文专门探讨这个东西。在此处,为了简单,
假设我们的房屋就是一个变量影响的,就是房屋的面积。
假设有一个房屋销售的数据如下:
面积(m^2) 销售价钱(万元)
123
250
150
87
102
…
320
160
220
…
这个表类似于帝都 5 环左右的房屋价钱,我们可以做出一个图,x 轴是房屋的面积。y 轴是房屋的
售价,如下:
如果来了一个新的面积,假设在销售价钱的记录中没有的,我们怎么办呢?
我们可以用一条曲线去尽量准的拟合这些数据,然后如果有新的输入过来,我们可以在将曲线上这
个点对应的值返回。如果用一条直线去拟合,可能是下面的样子:
绿色的点就是我们想要预测的点。
首先给出一些概念和常用的符号,在不同的机器学习书籍中可能有一定的差别。
房屋销售记录表 - 训练集(training set)或者训练数据(training data), 是我们流程中的输入数
据,一般称为 x
房屋销售价钱 - 输出数据,一般称为 y
拟合的函数(或者称为假设或者模型),一般写做 y = h(x)
训练数据的条目数(#training set), 一条训练数据是由一对输入数据和输出数据组成的
输入数据的维度(特征的个数,#features),n
下面是一个典型的机器学习的过程,首先给出一个输入数据,我们的算法会通过一系列的过程得到
一个估计的函数,这个函数有能力对没有见过的新数据给出一个新的估计,也被称为构建一个模型。
就如同上面的线性回归函数。
我们用 X1,X2..Xn 去描述 feature 里面的分量,比如 x1=房间的面积,x2=房间的朝向,等
等,我们可以做出一个估计函数:
θ在这儿称为参数,在这儿的意思是调整 feature 中每个分量的影响力,就是到底是房屋的面积
更重要还是房屋的地段更重要。为了如果我们令 X0 = 1,就可以用向量的方式来表示了:
我们程序也需要一个机制去评估我们θ是否比较好,所以说需要对我们做出的 h 函数进行评估,
一般这个函数称为损失函数(loss function)或者错误函数(error function),描述 h 函数不好的
程度,在下面,我们称这个函数为 J 函数
在这儿我们可以做出下面的一个错误函数:
这个错误估计函数是去对 x(i)的估计值与真实值 y(i)差的平方和作为错误估计函数,前面乘上的
1/2 是为了在求导的时候,这个系数就不见了。
如何调整θ以使得 J(θ)取得最小值有很多方法,其中有最小二乘法(min square),是一种完全是
数学描述的方法,在 stanford 机器学习开放课最后的部分会推导最小二乘法的公式的来源,这个来
很多的机器学习和数学书上都可以找到,这里就不提最小二乘法,而谈谈梯度下降法。
梯度下降法是按下面的流程进行的:
1)首先对θ赋值,这个值可以是随机的,也可以让θ是一个全零的向量。
2)改变θ的值,使得 J(θ)按梯度下降的方向进行减少。
为了更清楚,给出下面的图:
这是一个表示参数θ与误差函数 J(θ)的关系图,红色的部分是表示 J(θ)有着比较高的取值,我们需要
的是,能够让 J(θ)的值尽量的低。也就是深蓝色的部分。θ0,θ1 表示θ向量的两个维度。
在上面提到梯度下降法的第一步是给θ给一个初值,假设随机给的初值是在图上的十字点。
然后我们将θ按照梯度下降的方向进行调整,就会使得 J(θ)往更低的方向进行变化,如图所示,
算法的结束将是在θ下降到无法继续下降为止。
当然,可能梯度下降的最终点并非是全局最小点,可能是一个局部最小点,可能是下面的情况:
上面这张图就是描述的一个局部最小点,这是我们重新选择了一个初始点得到的,看来我们这个算
法将会在很大的程度上被初始点的选择影响而陷入局部最小点
下面我将用一个例子描述一下梯度减少的过程,对于我们的函数 J(θ)求偏导 J:(求导的过程如果
不明白,可以温习一下微积分)
下面是更新的过程,也就是θi 会向着梯度最小的方向进行减少。θi 表示更新之前的值,-后面的
部分表示按梯度方向减少的量,α表示步长,也就是每次按照梯度减少的方向变化多少。
一个很重要的地方值得注意的是,梯度是有方向的,对于一个向量θ,每一维分量θi 都可以求出一个
梯度的方向,我们就可以找到一个整体的方向,在变化的时候,我们就朝着下降最多的方向进行变化
就可以达到一个最小点,不管它是局部的还是全局的。
用更简单的数学语言进行描述步骤 2)是这样的:
倒三角形表示梯度,按这种方式来表示,θi 就不见了,看看用好向量和矩阵,真的会大大的简化数学
的描述啊。
总结与预告:
本文中的内容主要取自 stanford 的课程第二集,希望我把意思表达清楚了:)本系列的下一篇文
章也将会取自 stanford 课程的第三集,下一次将会深入的讲讲回归、logistic 回归、和 Newton 法,
不过本系列并不希望做成 stanford 课程的笔记版,再往后面就不一定完全与 stanford 课程保持一
致了。
机器学习中的数学(2)-支持向量机(SVM)基础
关于 SVM 的论文、书籍都非常的多,引用强哥的话“SVM 是让应
用数学家真正得到应用的一种算法”。SVM 对于大部分的普通人来说,
要完全理解其中的数学是非常困难的,所以要让这些普通人理解,得要
把里面的数学知识用简单的语言去讲解才行。而且想明白了这些数学,
对学习其他的内容也是大有裨益的。我就是属于绝大多数的普通人,为
了看明白 SVM,看了不少的资料,这里把我的心得分享分享。
其实现在能够找到的,关于 SVM 的中文资料已经不少了,不过个人
觉得,每个人的理解都不太一样,所以还是决定写一写,一些雷同的地
方肯定是不可避免的,不过还是希望能够写出一点与别人不一样的地方
吧。另外本文准备不谈太多的数学(因为很多文章都谈过了),尽量简
单地给出结论,就像题目一样-机器学习中的算法(之前叫做机器学习
中的数学),所以本系列的内容将更偏重应用一些。如果想看更详细的
数学解释,可以看看参考文献中的资料。
一、线性分类器:
首先给出一个非常非常简单的分类问题(线性可分),我们要用一
条直线,将下图中黑色的点和白色的点分开,很显然,图上的这条直线
就是我们要求的直线之一(可以有无数条这样的直线)
假如说,我们令黑色的点 = -1, 白色的点 = +1,直线 f(x) = w.x
+ b,这儿的 x、w 是向量,其实写成这种形式也是等价的 f(x) = w1x1
+ w2x2 … + wnxn + b, 当向量 x 的维度=2 的时候,f(x) 表示二
维空间中的一条直线, 当 x 的维度=3 的时候,f(x) 表示 3 维空间中
的一个平面,当 x 的维度=n > 3 的时候,表示 n 维空间中的 n-1 维
超平面。这些都是比较基础的内容,如果不太清楚,可能需要复习一下
微积分、线性代数的内容。
刚刚说了,我们令黑色白色两类的点分别为+1, -1,所以当有一个
新的点 x 需要预测属于哪个分类的时候,我们用 sgn(f(x)),就可以预
测了,sgn 表示符号函数,当 f(x) > 0 的时候,sgn(f(x)) = +1, 当
f(x) < 0 的时候 sgn(f(x)) = –1。
但是,我们怎样才能取得一个最优的划分直线 f(x)呢?下图的直线
表示几条可能的 f(x)