机器学习

一、绪 论

启发式小故事：
  • AlphaGo
    理论 算法 数据 建模 对策
    学习16万局业余棋手比赛
  • AlphaGo Zero
    3天后： 100:0 超越AlphaGo Lee
    21天后：达到AlphaGo Master
    40天后：超过所有之前的版本

Thoughts about AlphaGo Zero:
无师自通：没有任何人类的经验
自问：人类的经验是有害的？
人类因循着先人的足迹，却可能错过了更优化的路径。
但人类的经验并非一无是处：谁愿意让一个零经验的机器人做手术？
最终的目标 vs 人类的伦理

预备知识：线性代数，概率与统计，随机过程，算法设计与分析

定义：
机器学习是从人工智能中产生的一个重要分支。
与人类相似的方式：利用经验（统计学习）从数据中提取信息（推断）。

机器学习—为输入与输出的关系建立模型
image

问题分类：

  1. 分类问题：又分为二分类，多分类
    2 回归问题：在连续的输入与输出变量之间建立映射关系

机器学习的基本模式
image

  1. Supervised Learning 监督学习：训练集全有标记
  2. Semi-supervised Learning 半监督学习：训练集中的部分示例没有被标记
  3. Unsupervised Learning 无监督学习：训练集不含任何标记
  4. Reinforcement Learning 强化学习：在与环境的交互中学习，而不是向“导师”学习
    image
    Alpha Go is supervised learning + reinforcement learning.

基本术语

模型(model)： 假设 (结构+参数)
学习(learning)：缩小模型与真相的差距
推断(inference): 把模型用在新数据上做预测

数据集; 训练集, 测试集

假设空间
假设空间是指机器学习算法所有可能的假设组成的集合。

image
假设空间的大小：\(n1 * n2 * n3 + 1\)

学习过程：在所有假设(hypothesis)组成的空间中进行搜索的过程
目标: 找到与训练集“匹配”(fit)的假设
（即能将训练集中的样例判断正确的假设）

版本空间 (version space): 与训练集一致的假设集合
image

归纳偏好 (inductive bias)
归纳偏好：机器学习算法在学习过程中对某种类型假设的偏好，任何一个有效的机器学习算法必有其偏好。
image

一般原则：奥卡姆剃刀(Ocam’s razor)，即如果多个理论都能解释同一个现象，那么我们应该选择最简单的那个。即一般情况下选A。

但是
学习算法的归纳偏好是否与问题本身匹配，还是需要看数据本身的特征。
image

大多数时候直接决定了算法能否取得好的性能！

NFL定理：一个算法 A若在某些问题上比另一个算法B 好，必存在另一些问题， B比 A好。

总误差与学习算法无关！所有算法一样好！

NFL定理的重要前提：所有“问题”出现的机会相同、或所有问题同等重要（即f的分布）
实际情形并非如此：我们通常只关注自己正在试图解决的问题
所以还是要看数据，再选用不同的算法。

二、模型评估与选择

泛化误差 vs. 经验误差
什么模型好？譬如在新样本上预测错误率低、精度高。。。
泛化误差：在“未来”样本上的误差（严格说是在整体样本上的误差）
训练误差：在训练集上的误差

泛化误差越小越好！
训练误差是否越小越好？

NO! 因为会出现“过拟合” (overfitting)

过拟合 (overfitting) vs. 欠拟合 (underfitting)
image

模型选择 (model selection)

三个关键问题:
如何获得测试结果？ 评估方法
如何评估性能优劣？ 性能度量
如何判断实质差别？ 比较检验

评估方法

关键：怎么获得“测试集” (test set) ？
测试集应该与训练集“互斥”
常见方法：
留出法 (hold-out)
交叉验证法 (cross validation)

留出法
image

注意：

  • 保持数据分布一致性 （例如: 分层采样)
  • 多次重复划分 (例如: 100次随机划分)
  • 测试集不能太大、不能太小 (例如：小型数据集1/5~1/3)

k-折交叉验证法
若 k = m，则得到“留一法” (leave-one-out, LOO)

10-折交叉验证法示意图如下：
image

算法步骤：

  1. 将数据集随机分成10个大小相等的子集（称为“折”）。
  2. 将其中一个折作为验证集，其余9个折作为训练集。
  3. 使用训练集训练模型，并在验证集上评估模型性能。
  4. 重复步骤2和3，每次使用不同的折作为验证集。
  5. 计算10次评估结果的平均值，作为模型的最终性能指标。

“调参”与最终模型
算法的参数：一般由人工设定，亦称“超参数”
模型的参数：一般由学习确定

调参过程相似于 先产生若干模型，然后基于某种评估
方法进行选择

注意区别：训练集 vs. 验证集 (validation set) vs. 测试集：
算法参数选定后，要用“训练集+验证集”重新训练最终模型，然后用测试集验证最终模型

tips：参数调得好不好对性能往往对最终性能有关键影响

性能度量

性能度量(performance measure) 是衡量模型泛化能力的评价标准，反映了任务需求
使用不同的性能度量往往会导致不同的评判结果

tips：什么样的模型是“好”的，不仅取决于算法和数据，还取决于任务需求

回归(regression) 任务常用均方误差：
image

错误率 vs. 精度
image
真正例率(TPR)、假正例率(FPR)

  • 假正例率 (FPR)，即模型错误地将负样本预测为正样本的概率。：预测错误实际正确的/实际是错误的

  • 真正例率 (TPR)/召回率，即模型正确地将正样本预测为正样本的概率：预测正确实际也正确/实际是正确的

查准率(P) vs. 查全率(R)
image
查准率(P)：在所有的数据中，算法判断的有多准：预测正确实际也正确/所有预测是正确的

查全率(R)：算法是不是将所有的正例都查询到了：预测正确实际也正确/实际是正确的
image

PR图, BEP
根据学习器的预测结果按正例可能性大小对样例进行排序，并逐个把样本作为正例进行预测
image

F1
比 BEP 更常用的 F1 度量
image
若对查准率/查全率有不同偏好：
image

宏xx vs. 微xx
若能得到多个混淆矩阵:
(例如多次训练/测试的结果，多分类的两两混淆矩阵)

宏(macro-) 查准率、查全率、F1
微(micro-) 查准率、查全率、F1
image

假正例率 (FPR)，真正例率 (TPR)，ROC, AUC
image

  • 真正例率 (TPR)/召回率，即模型正确地将正样本预测为正样本的概率：预测正确实际也正确/实际是正确的

  • 假正例率 (FPR)，即模型错误地将负样本预测为正样本的概率。：预测错误实际正确的/实际是错误的

ROC (Receiver Operating Characteristic) Curve：ROC 曲线是一个图形化的工具，它展示了模型在不同分类阈值下的性能。
横坐标： 假正例率 (FPR)，纵坐标： 真正例率 (TPR)。

AUC: Area Under the ROC Curv：AUC 是 ROC 曲线下的面积。AUC 的值介于 0 和 1 之间，它可以用来衡量模型的整体性能。

  • ROC 曲线和 AUC（Area Under the Curve）作为指标，不受正负类比例的影响。无论数据集的正负样本比例如何，ROC 曲线的形状和 AUC 值不会因为类别的不平衡而受到显著影响。
  • 这使得 ROC 曲线特别适用于类别不平衡的问题（即正类样本数量远少于负类样本的情况），因为它不会因为负类样本的数量多而使评价结果产生偏差。

非均等代价
犯不同的错误往往会造成不同的损失
此时需考虑“非均等代价”(unequal cost)
image

代价敏感 (cost-sensitive) 错误率:
image

比较检验

在某种度量下取得评估结果后，是否可以直接比较以评判优劣？
NO !
因为：

  • 测试性能不等于泛化性能
  • 测试性能随着测试集的变化而变化
  • 很多机器学习算法本身有一定的随机性

机器学习 = “概率近似正确”

常用方法
统计假设检验 (hypothesis test) 为学习器性能比较提供了重要依据
(统计显著性)
两学习器比较

  • 交叉验证 t 检验 (基于成对 t 检验)
    k 折交叉验证； 5x2交叉验证

  • McNemar 检验 (基于列联表，卡方检验)

posted @ 2024-10-09 10:43  kingwzun  阅读(4)  评论(0)  编辑  收藏  举报