机器学习笔记2——过拟合、欠拟合、正则化、方差、偏差_方差成本度量是正则化吗

1、过拟合、欠拟合和正则化

1.1 过拟合

指模型的训练误差与测试误差(泛化误差)之间差距过大，也就是训练数据误差渐渐减小，可验证集上的误差却渐渐增大，在新数据上的表现一般（泛化能力差）。
训练初期，训练不足，学习器的拟合能力不强，偏差大。充分训练后，学习器拟合能力强，训练数据的轻微扰动会导致学习器发生显著变化，产生过拟合。

1.2 欠拟合

指模型不能在训练集上获得足够低的训练误差，由于特征维度过少，导致拟合的函数无法满足训练集，导致误差较大。

1.3 正则化

为了减少测试误差的策略统称为正则化方法，代价可能是增大训练误差。

2、过拟合、欠拟合解决方法

2.1 解决过拟合

2.1.1 正则化

正则化包括L1正则化、L2正则化、混合L1与L2正则化

• L1正则化：
  目的是减少各个参数绝对值总和，也被称为参数X向量的L1范数，如果用的是L1正则化，X最终会是稀疏的，得到稀疏的权值，也就是说X向量中有很多0，L1正则先验服从拉普拉斯分布。定义：
  
  对于L1范数，它的优化问题如下：
  
  可以看出，最优的参数值大概率出现在坐标轴上，即对L1优化的解是一个稀疏解， 因此L1范数也被叫做稀疏规则算子。 通过L1可以实现特征的稀疏，去掉一些没有信息的特征，常用于特征选择设置。

• L2正则化：
  目的是减少各个参数平方的总和的开方，L2正则化是最常见的正则化类型，得到平滑的权值，L2正则先验服从高斯分布，L2是定义：
  
  对于L2正则化的优化，最优的参数值很小概率出现在坐标轴上，因为每一维的向量都不会为0，因此机器学习中，常对权重施加L2范数约束。

2.1.2 Batch Normalization

Batch Normalization是深度学习中减小泛化误差的正则化方法，主要作用缓解梯度消失酵素网络训练。

• 会针对每一批数据在网络的每一层输入之前增加归一化，归一化的目的是使输入均值为0，标准差为1，能将数据限制在统一的分布下。对每层的第k个神经元求均值和标准差，然后将归一化后的值作为神经元的激活值。
• 通过对数据分布进行额外的约束增强模型的泛化能力，由于破坏了之前学的特征分布，降低了模型的拟合能力。Batch Normalization引入了一个重构变换来还原最优的输入数据分布。

2.1.3 Dropout

• dropout不会改变损失函数而是修改网络结构本身。通过对神经网络中的神经元做随机删减，减低网络的复杂度。

• dropout具体表现：第一次迭代随机删除一部分隐藏单元，保存输入层和输出层不变，更新神经网络中的权值。第二次迭代也是随机删除一部分隐藏单元，和上次删除的不一样。之后都这样，直至训练结束。

• 运用dropout相当于训练了多个仅有部分隐藏单元的神经网络，每个这种神经网络，都能给出一个分类结果，有的正确有的错误，随着训练进行，大部分网络都能给出正确的分类结果。

2.1.4 迭代截断

• 在模型对训练数据迭代收敛之前停止迭代。
• 具体方法：在训练过程中记录目前为止最佳的准确率，当连续n次epoch没达到最佳准确率，就可以停止迭代。

2.1.5 交叉验证

K-fold交叉验证：将原始数据分成K组（一般是均分），进行K次交叉验证过程，将每个子集数据分别做一次验证集，其余的K-1组子集数据作为训练集，这样会得到K个模型，用这K个模型最终的验证集的分类准确率的平均数作为此K-CV下分类器的性能指标。

2.2 解决欠拟合

2.2.1 加入新的特征

深度学习中可以利用因子分解机、子编码器等

2.2.2 增加模型复杂度

对于线性模型：增加高次项
对于深度学习：增加网络层数、神经元个数

2.2.3 减小正则化项的系数

可以提高模型学习能力

3、偏差与方差

3.1 偏差

• 度量学习算法的期望预测与真实结果的偏离程度
• 用于描述学习算法本身的拟合能力

3.2 方差

• 度量同样大小的训练集的变动所导致的学习性能的变化，刻画数据扰动所造成的影响
• 一个随机变量的方差描述的是它的离散程度, 也就是该随机变量在其期望值附近的波动程度
• 用于描述模型的稳定性

3.3 偏差与方差的分析

3.3.1 偏差与方差的理解图

3.3.2 偏差与方差的泛化误差分析

训练不足时：
模型拟合能力不足（数据的扰动不足以使模型产生显著变化），此时偏差主导模型的泛化误差。

训练进行中时：
随着训练的进行，模型拟合能力增强（模型能够学习数据发生的扰动），此时方差逐渐主导模型的泛化误差。

训练充足时：
模型拟合能力过强（数据的轻微扰动都会导致模型产生显著变化），此时发生过拟合，训练数据自身的、非全局的特征也被模型学习了。

3.4 推导泛化误差与偏差与方差, 噪声

yD：实例x在数据集D中的标记（在实际工程中的标签）
y：x的真实标记（该值是理论值，实际工程中一般是不能获得的）
f(x)：在训练集D上学得模型f，使用模型f预测x的期望值为f(x)。即：

学习器在训练集上的误差叫“训练误差”或“经验误差”，在新样本上的误差叫“泛化误差”

• 泛化误差
  以回归任务为例, 学习算法的平方预测误差期望为:
  

• 方差公式
  使用样本数相同的不同训练集产生的方差为：
  

• 偏差
  期望预测与真实标记的误差称为偏差(bias), 为了方便起见, 我们直接取偏差的平方:
  

• 噪声
  噪声为真实标记与数据集中的实际标记间的偏差:
  
  泛化误差 = 偏差 + 方差 + 噪声
  

3.5 导致偏差与方差的原因

• 偏差：由于模型的复杂度不够，或者对学习算法做了错误的假设，训练误差主要由偏差导致。例如真实模型为三次函数，假设模型为二次函数，导致欠拟合。
• 方差：由于模型的复杂度过高，测试误差相对训练误差的变化主要由方差导致。例如真实模型为三次函数，假设模型为五次函数，导致过拟合。

参考《人工智能程序员面试笔试宝典》猿媛之家，凌峰