机器学习方法:回归(二):稀疏与正则约束ridge regression,Lasso

前端之家收集整理的这篇文章主要介绍了机器学习方法:回归(二):稀疏与正则约束ridge regression,Lasso前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

本文出自Bin的专栏blog.csdn.net/xbinworld。

“机器学习方法“系列,我本着开放与共享(open and share)的精神撰写,目的是让更多的人了解机器学习的概念,理解其原理,学会应用。希望与志同道合的朋友一起交流,我刚刚设立了了一个技术交流QQ群:433250724,欢迎对算法、技术、应用感兴趣的同学加入,在交流中拉通——算法与技术,让理论研究与实际应用深度融合;也希望能有大牛能来,为大家解惑授业,福泽大众。推广开放与共享的精神。如果人多我就组织一些读书会,线下交流。

本节的内容需要依赖上一节已经讲了的机器学习:概念到理解(一):线性回归,线性回归的模型是这样的,对于一个样本xi,它的输出值是其特征的线性组合:

f(xi)=∑m=1pwmxim+w0=wTxi

其中,w0称为截距,或者bias,上式中通过增加xi0=1把w0也吸收到向量表达中了,简化了形式,因此实际上xi有p+1维度。
线性回归的目标是用预测结果尽可能地拟合目标label,用最常见的Least square作为loss function:

J(w)=1n∑i=1n(yi−f(xi))2=1n∥y−Xw∥2

可以直接求出最优解:
w∗=(XTX)−1XTy

看起来似乎很简单,但是在实际使用的过程中会有不少问题,其中一个主要问题就是上面的协方差矩阵不可逆时,目标函数最小化导数为零时方程有无穷解,没办法求出最优解。尤其在p>n时,必然存在这样的问题,这个时候也存在overfitting的问题。这个时候需要对w做一些限制,使得它的最优解空间变小,也就是所谓的regularization,正则。
ridge regression

最为常见的就是对w的模做约束,如ridge regression,岭回归,就是在线性回归的基础上加上l2-norm的约束,loss function是(习惯上一般会去掉前面线性回归目标函数中的常数项1n,同时为了后面推导的简洁性会加上一个12):

JR(w)=12∥y−Xw∥2+λ2∥w∥2

有解析解:
w^R=(XTX+λI)−1XTy
其中λ>0是一个参数,有了正则项以后解就有了很好的性质,首先是对w的模做约束,使得它的数值会比较小,很大程度上减轻了overfitting的问题;其次是上面求逆部分肯定可以解,在实际使用中ridge regression的作用很大,通过调节参数λ,可以得到不同的回归模型。

实际上ridge regression可以用下面的优化目标形式表达:

minw12∥y−Xw∥2,s.t.∥w∥2<θ

也就是说,我依然优化线性回归的目标,但是条件是w的模长不能超过限制θ。上面两种优化形式是等价的,可以找到一 一对应的λ和θ。
稀疏约束,Lasso

先看一下几种范式(norm)的定义,

∥w∥2=(∑iwi2)1/2

∥w∥1=∑i|wi|

∥w∥0=∑i1(wi≠0)

如前面的ridge regression,对w做2范式约束,就是把解约束在一个l2-ball里面,放缩是对球的半径放缩,因此w的每一个维度都在以同一个系数放缩,通过放缩不会产生稀疏的解——即某些w的维度是0。而实际应用中,数据的维度中是存在噪音和冗余的,稀疏的解可以找到有用的维度并且减少冗余,提高回归预测的准确性和鲁棒性(减少了overfitting)。在压缩感知、稀疏编码等非常多的机器学习模型中都需要用到稀疏约束。
稀疏约束最直观的形式应该是约束0范式,如上面的范式介绍,w的0范式是求w中非零元素的个数。如果约束∥w∥0≤k,就是约束非零元素个数不大于k。不过很明显,0范式是不连续的且非凸的,如果在线性回归中加上0范式的约束,就变成了一个组合优化问题:挑出≤k个系数然后做回归,找到目标函数的最小值对应的系数组合,是一个NP问题。

有趣的是,l1-norm(1范式)也可以达到稀疏的效果,是0范式的最优凸近似,借用一张图[1]:
L1andL0

很重要的是1范式容易求解,并且是凸的,所以几乎看得到稀疏约束的地方都是用的1范式。

回到本文对于线性回归的讨论,就引出了Lasso(least absolute shrinkage and selection operator) 的问题:

minw12∥y−Xw∥2,s.t.∥w∥1<θ

也就是说约束在一个l1-ball里面。ridge和lasso的效果见下图:
lasso

红色的椭圆和蓝色的区域的切点就是目标函数的最优解,我们可以看到,如果是圆,则很容易切到圆周的任意一点,但是很难切到坐标轴上,因此没有稀疏;但是如果是菱形或者多边形,则很容易切到坐标轴上,因此很容易产生稀疏的结果。这也说明了为什么1范式会是稀疏的。

Lasso稀疏性的进一步理解:

类似Ridge,我们也可以写出Lasso的优化目标函数

JL(w)=12∥y−Xw∥2+λ∑i|wi|

根据一般的思路,我们希望对JL(w)求导数=0求出最优解,即▽JL(w)=0,但是l1-norm在0点是连续不可导的,没有gradient,这个时候需要subgradient:
定义1:记f:U→R是一个定义在欧式空间凸集Rn上的实凸函数,在该空间中的一个向量v称为f在点x0∈U的次梯度(subgradient),如果对于任意x∈U,满足f(x)−f(x0)≥v⋅(x−x0)成立。

其中⋅是向量的点积。由在点x0处的所有subgradient所组成的集合称为x0处的subdifferential,记为∂f(x0)。注意subgradient和subdifferential只是对凸函数定义的。例如一维的情况,f(x)=|x|,在x=0处的 subdifferential就是[−1,1]这个区间(集合)。又例如下图中,在x0点不同红线的斜率就是表示subgradient的大小,有无穷多。

subgradient
图 subgradient

注意在x的gradient存在的点,subdifferential 将是由gradient构成的一个单点集合。这样就将 gradient 的概念加以推广了。这个推广有一个很好的性质(condition for global minimizer)。以下部分参考了[3],是浙大毕业去MIT的一个牛人的博客,看了以后自己再照着重写了一遍。

性质1:点x0是凸函数f的全局最小值,当且仅当0∈∂f(x0)。

很容易理解,看上面的图,在x0点不是全局最小值,因为subgradient不包含0,而原点0就是全局最小值。如果要证明也很显然,将0∈∂f(x0)带入前面的定义1中,就得到f(x)≥f(x0)。

为了方便说明,需要做一个简化假设,即数据X的列向量是orthonormal的[2,3],即XTX=I(当然没有这个假设Lasso也是可以运作的)。于是线性回归的最优解是

w∗=XTy

假设lasso问题JL(w)的全局最优解是w¯∈Rn,考察它的任意一个维度w¯j,需要分别讨论两种情况:
情况1:gradient存在的区间,即w¯j≠0
由于gradient在最小值点=0,所以

∂JL(w)∂wj∣∣∣w¯j=0
所以

−(XTy−XTXw¯)j+λ⋅sgn(w¯j)=0
其中λ≥0。所以

w¯j=w∗j−λ⋅sgn(w¯j)
很容易看出,w¯j和w∗j是同号的,因此可以得出

w¯j=w∗j−λ⋅sgn(w¯j)=sgn(w∗j)(|w∗j|−λ)(|w∗j|−λ)=|w¯j|≥0
最后得到

w¯j=sgn(w∗j)(|w∗j|−λ)+
其中(x)+表示取x的正数部分;(x)+=max(x,0)。

情况2:gradient不存在,即w¯j=0
根据前面的性质1,如果w¯j是最小值,则

0∈∂JL(w¯)=−(XTy−XTXw¯)+λ⋅e=w¯−w∗+λ⋅e

其中e是一个向量,每一个元素ej∈[−1,1],使得0=−w∗j+λ⋅ej成立。因此
|w∗j|=λ|ej|≤λ

所以和情况(1)和(2)可以合并在一起。所以呢,如果在这种特殊的orthonormal情况下,我们可以直接写出Lasso的最优解:
w¯j=sgn(w∗j)(|w∗j|−λ)+
OK,再回顾一下前面的ridge regression,如果也考虑上面说的orthonormal情况下,可以很容易得出最优解为

w^R=11+λw∗
很容易得出结论,ridge实际上就是做了一个放缩,而lasso实际是做了一个soft thresholding,把很多权重项置0了,所以就得到了稀疏的结果!
lasso&ridge

除了做回归,Lasso的稀疏结果天然可以做机器学习中的另外一件事——特征选择feature selection,把非零的系数对应的维度选出即可,达到对问题的精简、去噪,以及减轻overfitting。

上面是做了简化后的讨论,实际中lasso求解还要复杂的多。在下一篇文章中,将描述和Lasso非常相关的两种方法,forward stagewise selection和最小角回归least angle regression(LARS),它们三者产生的结果非常接近(几乎差不多),并且都是稀疏的,都可以做feature selection。有的时候就用Lars来作为Lasso的目标的解也是可以的。

参考资料

[1] http://www.jb51.cc/article/p-zqcpdokc-me.html
[2] The elements of statistical learning,ch3
[3] http://freemind.pluskid.org/machine-learning/sparsity-and-some-basics-of-l1-regularization/
[4] http://en.wikipedia.org/w/index.php?title=Subderivative&redirect=no#The_subgradient

原文链接:https://www.f2er.com/regex/358662.html

猜你在找的正则表达式相关文章