机器学习-白板推导系列(三十)-生成模型(Generative Model)_生成模型 建模

机器学习-白板推导系列(三十)-生成模型(Generative Model)

30.1 生成模型的定义

前面所详细描述的模型以浅层的机器学习为主。本章将承上启下引出后面深度机器学习的部分。本小节，主要讲述的是什么是生成模型，它是不是只是生成样本，生成数据？它的任务是什么？精准的定义是什么？

这个问题实际上在之前的章节中有过详细的介绍。这里更进一步总结。之前讲过的简单的生成模型，包括：

• 高斯混合分布（GMM），GMM的主要任务是聚类，属于非监督学习；
• 而监督学习中的生成模型，最简单的有朴素贝叶斯模型，主要任务是分类。
• Logistics regression(LR)模型主要是对$P(Y=1|X)$或$P(Y=0|X)$条件概率进行建模，并不关心样本$X$是什么样。

$生成模型关注点是样本分布本身，解决的问题与任务无关，对样本分布建模。$

比如:

• 简单学习中，先对$P(X,Y)$建模，然后求${\sum }_{X}P(Y|X)$来计算条件概率。
• 在无监督学习中，直接对$P(X)$建模。有时$P(X)$非常的复杂，直接对$P(X)$建模非常的困难。引入隐变量（Latent）$Z$，对$P(X,Z)$建模，然后$P(X)={\sum }_{Z}P(X|Z)$。

$生成模型关注的是样本分布本身，是对样本数据本身建模$，$所以一定和概率分布有关，往往被称之为“概率生成模型”。$

---

30.2 任务角度：监督 vs 非监督

按照任务分可以将生成模型实现的功能分成：$分类，回归，标记，降维，聚类，特征学习，密度估计，生产数据。$
监 督 { 概 率 模 型 { 判 别 模 型 ( P ( Y ∣ X ) ) : L R , M E M M , C R F ; 生 成 模 型 : N B , M M , T M , N P M , F M ; 非 概 率 模 型 : P L A , S V M , K N N , T r e e   M o d e l , N N . (30.1.1) \color{blue}

$$\begin{matrix} 监督\left\{\begin{matrix} 概率模型\left\{\begin{matrix} 判别模型(P(Y|X)):LR, MEMM, CRF;\\ 生成模型:NB, MM, TM, NPM, FM;\end{matrix}$$ \right.\\ 非概率模型 : PLA, SVM, KNN, Tree\, Model,NN.\end{matrix}\right.\end{matrix}\tag{30.1.1} 监督⎩⎨⎧​概率模型{判别模型(P(Y∣X)):LR,MEMM,CRF;生成模型:NB,MM,TM,NPM,FM;​非概率模型:PLA,SVM,KNN,TreeModel,NN.​​(30.1.1)
$$\begin{array}{c}监督\{\begin{array}{c}概率模型:生成模型；\\ 非概率模型:PCA,LSA,Kmean;\end{array}\end{array}\text{\hspace{1em}(30.1.2)}$$

1. 判别模型
   判别模型是对条件概率分布建模$P(Y|X)$，典型的有Logistics Regression，最大熵马尔可夫模型（MEMM），条件随机场（CRF）。

2. 非概率模型
   包括PLA，Support Vector Machines（支持向量机），KNN（K近邻网络），Tree Model，神经网络（Neural Network）。

   注意神经网络非概率模型，但是和判别模型并不是非黑即白的关系，也可以起到判别模型的作用。其大部分情况是发挥着非概率模型的作用。

3. 非监督任务

   • 非监督任务中，概率模型都是生成模型，和前文描述的监督学习中的概率模型是一样的。
   • 非概率模型包括：PCA（SVD分解），LSA（潜语义分析），K-means，Auto-encoder。

4. 生成模型
   4.1 $浅层的生成模型$
   $\text{1. Naive Bayes}$，此模型非常简单，主要是服从朴素贝叶斯假设。朴素贝叶斯假设描述的是: $样本空间各维度之间相互独立$，$P(X|Y)={\prod }_{i=1}^{p}P(x_i|Y)(x\in R^p)$。

   $\text{2. Mixture Model}$，其中的典型代表是混合高斯模型（GMM），此模型主要是用于$聚类$。模型可以简要的表示为$P(X|Z)\sim$ Gaussian Distribution.

   $\text{3. Time-series Model}$，最基础的有隐马尔可夫模型（HMM），卡曼滤波（Kalman Filter），粒子滤波（Particle Filter）。

   $\text{4. Non-Parameteric Model}$，此模型最重要的特点是参数空间无限化，参数不是一个确定的值，而是一个服从分布，比如Gaussian Process（GP）模型，此模型也是Bayesian Model的一种。

   $\text{5. Mixed Memership Model}$，其代表是LDA模型。

   $\text{6. Factorial Model}$，包括Factor Analysis(FA)，概率PCA模型（P-PCA），ICA，和**稀疏编码（Sparse Coding）**等等。

   上述的六种模型都是$浅层的生成模型$，简单的说就是模型的结构相对固定，变换不大，模型的层数也很较少。

   4.2 $Deep生成模型$
   $\text{7. Energy based model}$，包括前面讲到的，Boltzmann Machines，Sigmoid Belief Network，Deep Belief Network，Deep Boltzmann Machines。其主要是基于玻尔兹曼分布的，而实际上玻尔兹曼分布为 exp ⁡ { E ( θ ) } \exp\{\mathrm{E}(\theta)\} exp{E(θ)}，可以看成是熵的形式。

   $\text{8. Variational Automation Encoder}$，变分自编码器。

   $\text{9. GAN}$，生成对抗神经网络。

   $\text{10. Auto-regressive Model}$。

   $\text{11. Flow-base model}$，基于流的模型。

   $Deep生成模型$模型结构变化较大，而且层数较多。深度生成模型中，经常将神经网络和传统概率相结合。Deep之前的模型，比较固化，基本是用来解决特定的问题。

   • $PCA\to P\to FA$;
   • $K-means\to GMM$
   • $Auto-encoder\to VAE$
   • $LSA\to pLSA\to LDA$

---

30.3 模型表示，推断和学习

上一小节从监督学习或者非监督学习的角度介绍了生成模型，这小节将从模型，推断和学习表示的角度分别介绍生成模型。

30.3.1 模型表示(形神兼备)

首先从模型表示角度介绍，我们可以用$“形神兼备”$四个字来描述。

1. $形$
   “形”包括以下几个方面，可以理解为生成模型的$概率图$表示形式：

   $\text{1. 点：Discrete vs Continuous}$，从点的角度出发，也就是说节点的变量是离散随机变量还是连续随机变量。

   $\text{2. 边：Directed Model vs Undirected Model}$，从有向图和无向图的角度进行分类，有向图是贝叶斯模型，无向图是马尔可夫模型，这是从边的角度进行分析。

   $\text{3. 隐变量：Latent Variational Model vs Fully Observed Model}$，区分为所有变量可完全观测或者含有部分隐变量。

   $\text{4. 层次：Shadow vs Deep}$，这个是根据网络的层数来确定的。

   $\text{5.节点： Sparse vs Dense}$，此分类标准根据节点之间连接的权重稠密或者稀疏而定的。比如，Boltzmann Machines之间权重的连接就比HMM之间要稠密的多，最稠密的当然是完全图了。

2. $神$
   这个从“神”的角度来分，有一点抽象，哈哈哈！主要从以下两个方面来理解。

   $\text{6. 参数：Parameteric Model vs Non-Parameteric Model}$，此分类描述的是参数是确定的，还是一个分布，参数不确定，比如，高斯过程就是Non-Parameteric Model，每个时刻的参数都服从不同的高斯分布。

   $\text{7.建模对象： Implicit Density Model vs Explicit Density Model}$，Implicit Density Model（隐性密度模型）中最典型的就是GAN。Explicit Model的特征是对$P(X)$建模，而Implicit Model不直接考虑对$P(X)$的建模，只需要可从目标分布中采样即可。比如，GAN通过从目标分布中采样，来建立一个虚拟的分布。

30.3.2 模型推断

推断就很简单了，基本就是从计算可行性分析，$\text{8.追踪： Tractable vs Intractable}$。

30.3.3 学习

学习的主要可以分为：$\text{9.似然： Likelihood-based Model vs Likelihood-free Model}$，极大似然估计求解，是使log似然达到最大之后，用求得的参数来进行采样。而Likelihood-free方法中，学习采用的方法和Likelihood无关，比如：GAN。

30.3.4 小结

我们从模型表示，推断和学习表示的角度分别介绍生成模型，可以得到以下9种分类。以后分析一个模型，可以从讲的9个角度出发：

1. Discrete vs Continuous
2. Directed Model vs Undirected Model
3. Latent Variational Model vs Fully Observed Model
4. Shadow vs Deep
5. Sparse vs Dense
6. Parameteric Model vs Non-Parameteric Model
7. Implicit Model vs Explicit Model
8. Tractable vs Intractable
9. Likelihood-based Model vs Likelihood-free Model

---

30.4 Maximum Likelihood

从Likelihood-based Model和Likelihood-free Model两个方面分，是目前比较流行的一种分法。

30.4.1 Likelihood-based Model（Explicit Density Model）

这是显式的估计概率密度函数，也就是Explicit Density Model。根据其是否可计算大致可以分成两类，tractable 和 intractable(Approximate Inference)。

1. Tractable可以分为：Fully observed 和change of variable（Flow-based model）。

• Fully observed模型结构相对很简单，典型算法Autoregression Model。
• Change of variable典型算法Flow-based model。
  Change of variable（Flow-based model）简要的说明:假如$P(X)$非常复杂，那么我们可以对一个简单的分布$P(Z)$建模，然后寻找一个$X\mapsto Z$的映射$X=g(Z)$。那么，可得$Z=g^{-1}(X)$。此模型的主要目的就是学习这个映射$g(Z)$，可以得到
  $$P_X(X)=P_Z(g^{-1}(X))$$
  参数计算为$\frac{\partial g^{-1}(X)}{\partial X}$。

2. Approximate Inference，包括两种，1. 于随机采样：MCMC，这是一种Energy Based Model。2. 确定性的变分推断，典型的算法有VAE。

30.4.2 Likelihood-free Model（Implicite Density Model）

Implicite表示直接从样本采样，不显示的概率密度函数，也就是不直接对概率密度函数建模。可分为：Direct和MC。

1. Direct常见算法：直接从样本分布中采样的GAN；
2. MC（通过模拟一个分布来直接进行采样，不需要通过MCMC采样。样本直接生成分布。）常见算法：Mento Calro算法，GSN等。

30.4.3 小结

我觉得主要是从函数学习方法的角度，来进行分类，也就是是否计算似然函数。个人觉得Likelihood-free Model是目前很重要的研究，以我做的科研为例，我觉得从未知分布中采样来逼近目标分布非常重要，如果给目标分布确定的形式会造成算法的局限性，所有舍弃分布的具体，使用采样来逼近非常重要，现在比较流行的有分布式强化学习中的分位点回归法。

---

30.5 概率图 vs 神经网络

概率图模型和神经网络之间并不是一个非黑即白的区别，它们之间有区别也有联系，但是很多部分同学都搞不清他们之间的区别。

• $概率图模型是P(X)的表示$；
• $神经网络即时一个函数逼近器$，对于一个输入的$X$，得到输出的$Y$，中间的部分都是权重。

所以，他们两压根不是一个东西，概率图模式是对$P(X)$来建模，典型的概率生成模型。

概率图模型中主要讨论的是Bayesian Network，Boltzmann Machines（无向图模型）；神经网络是广义连接主义，确定NN有CNN，RNN。在本节中，仅比较Beyesian Network(有向图模型)和Neural Network(NN)。

30.5.1 Bayesian vs NN

本小节将从表示，推断，学习和适合问题四个角度出发进行比较。

1. 模型表示

   • Bayesian Network（概率图）是从结构化，权值之间相对稀疏，而且通常层数比较浅（浅层），符合$条件独立假设$。其中最重要的是Bayesian Network具有可解释性，建模的时候具有真实的物理意义。

   • 而NN(计算图)的层数，往往会比较深，而且权值连接很稠密，没有具体的物理意义。

     有的小伙伴会说，NN也具有可解释性，比如神经网络类似为一个滤波器，其可以抽象出更多的高层信息。这个东西，其实只是我们一厢情愿的，这个意义并不是在建模的时候赋予的。而是我们发现了其好的效果之后，在这里强行解释，有点“马后炮”的味道。$NN的可解释性一般未知$。

2. 模型推断

   • Bayesian Network中包括精确推断和近似推断，有MCMC和变分等方法。还有极大似然估计等等。
   • 神经网络的推断方法就非常的简单了，输入输出即可，没有太多的研究意义。

3. 模型学习

   • Bayesian Network中常见的解决方法有Log似然梯度，EM算法等。
   • NN中常用的方法是梯度下降，由于这个层数很多，节点很多的时候求导很不好求，于是引入了BP算法。其实BP算法是一种高效的求导方法，其实$BP算法=链式求导法则+动态规划$。动态规划什么意思，就是递归+缓存。

实际上，可以感觉到Bayesian Network和神经网络都不是一个level的东西。
- $概率图是一个模型层次的，是对数据样本的建模。$
- $而神经网络中被称之为计算图，完全就是来计算用的。$

4. 适合的问题
   • Bayesian Network更适合解决High Level Reasoning的问题，适合于做原因推断。
   • 而NN更适合解决Low Level Reasoning的问题，$不适合做原因推断$，只能由于解决弱推理问题。其更适合表示学习。

30.5.1 小结

本章的内容比较简单，基本就是从表示，推断，学习和适合问题四个角度出发进行比较概率图模型和神经网络模型。其实这两个东西都不是一个level的，主要区别是概率图模型是对样本数据的建模，而神经网络只是一个函数逼近器而已。

---

30.6 Stochastic Back Propagation （Reparametrization Trick）

本章主要介绍的是:神经网络和概率图模型结合到一起。神经网络用$Y=f(X;\theta )$函数逼近（用NN去逼近一个概率分布$P(X)$）。

把他们两结合到一起就是随机后向传播（Stochastic Back Propagation），或者称之为重参数技巧（Reparametrization Trick）。

30.6.1 正常情况下简单举例

• 假设$P(Y)$是目标分布，其中$P(Y)\sim \mathcal{N}(\mu ,{\sigma }^2)$。我们之前是怎么采样的呢？是先从一个简单的高斯分布中进行采样$Z\sim \mathcal{N}(0,1)$，然后令$Y=\mu +\sigma Z$，相当于一个二元一次变换。得到采样方法：
  { z ( i ) ∼ N ( 0 , 1 ) y ( i ) = μ + σ z ( i ) (30.6.1) \left\{

  $$\begin{array}{ll} z^{(i)} \sim \mathcal{N}(0,1) & \\ y^{(i)} = \mu + \sigma z^{(i)} & \\ \end{array}$$ \right.\tag{30.6.1} {z(i)∼N(0,1)y(i)=μ+σz(i)​​(30.6.1)
  很自然的可以将此函数看成:$y=f(\mu ,\sigma ,z)$。这是一个关于$z$的函数，$\mu ,\sigma$假设是确定性变量，也就是：当$z$确定时，函数的值是确定的。那么，算法的目标：找到一个函数映射$z\mapsto y$，函数的参数为 { μ , σ } \color{red}\{ \mu,\sigma \} {μ,σ}。

• 假设，$J(y)$是目标函数， θ = { μ , σ } \theta = \{ \mu,\sigma \} θ={μ,σ}。那么梯度求导方法为：
  $$\frac{\nabla J(y)}{\nabla \theta }=\frac{\nabla J(y)}{\nabla y}\frac{\nabla y}{\nabla \theta }\text{\hspace{1em}(30.6.2)}$$

30.6.2 条件概率密度函数

• 假设目标分布为$P(Y|X)=\mathcal{N}(X;\mu ,{\sigma }^2)$，$Z\sim \mathcal{N}(0,1)$进行采样，可得:
  $$Y=\mu (X)+\sigma (X)Z\text{\hspace{1em}(30.6.3)}$$
  实际上将$X$看成输入，$Z$看成是噪声，$Y$则是输出。神经网络参数为$\theta$。逻辑关系为：
  $$Y={\mu }_{\theta }(X)+{\sigma }_{\theta }(X)Z\text{\hspace{1em}(30.6.4)}$$
  网络的模型如下：
  
  其中，$\mu (X)=f(X;\theta ),\sigma (X)=f(X;\theta )$。损失函数为：
  $$L_{\theta }(Y)=\sum _{i=1}^N\Vert y-y^{(i)}{\Vert }^2\text{\hspace{1em}(30.6.5)}$$
  链式求导法则为：
  $$\frac{\nabla J_{\theta }(Y)}{\nabla \theta }=\frac{\nabla J_{\theta }(Y)}{\nabla Y}\frac{\nabla Y}{\nabla \mu }\frac{\nabla \mu }{\nabla \theta }+\frac{\nabla J_{\theta }(Y)}{\nabla Y}\frac{\nabla Y}{\nabla \sigma }\frac{\nabla \sigma }{\nabla \theta }\text{\hspace{1em}(30.6.6)}$$
  这样就可以做到用NN来近似概率密度函数，观测这个式子发现$Y$必须要是连续可微的，不然怎么求$\frac{\nabla Y}{\nabla \sigma }$。实际上这个模型可以被写为：
  • $P(Y|X;\theta )$，将$X,\theta$合并到一起就是$w$；
  • 也可以被写为$P(Y|w)$。

30.6.3 小结

这小结从用神经网络来近似概率分布的角度分析两种概率分布模型，简单的高斯分布和条件高斯模型。并简要的介绍了其链式求导法则。

---

30.7 总结

本章节主要是对于概率生成模型进行了一个全面的介绍，起到一个承上启下的作用。
1. 回顾了之前写到的浅层概率生成模型，并引出了接下来要介绍的深度概率生成模型。
2. 并从任务（监督 vs 非监督），模型表示，模型推断，模型学习四个方面对概率生成模型做了分类。
3. 并从极大似然的角度重新对模型做了分类。
4. 介绍了概率图模型和神经网络的区别，我觉得其中最重要的是，概率图模式是对样本数据建模，其图模型有具体的意义；而神经网络只是函数逼近器，只能被称为计算图。
5. 最后，介绍了重参数技巧，用神经网络逼近概率分布。