机器学习期末复习

机器学习是怎样的学科：致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。机器学习主要分为两大类：监督学习、非监督学、强化学习（AlphaGo）、半监督学习。机器学习所要研究的主要内容是关于计算机在从数据中产生“模型”的算法，即“学习算法”。（有了学习算法，我们把经验提供给它，他就能基于这些数据产生模型）。学习的特点：数据驱动，以方法为中心，概率统计优化为基础。从数据中学得模型的过程称为“学习”或“训练”，这个过程通过执行某个学习算法来完成。训练过程中使用的数据称为“训练数据”，每一个样本称为“训练样本”，训练样本组成的集合称为“训练集”。三要素：模型、策略、算法。学得模型后，使用其进行预测得过程称为“测试”。被测样本称为“测试样本”。机器学习的目标是使学得的模型能很好地适用于“新样本”。独立同分布学得模型适用于新样本的能力，称为“泛化”能力。具有强泛化能力的模型能很好地适用于整个样本空间。“奥卡姆剃刀”原则，是一种常用地、自然科学研究中最基础地原则，即“诺有多个假设与观察一致，则选最简单地那个”。（采用这个原则，则所描绘地曲线更平滑，更简单）。20世纪50年代-70年代初，人工智能处于“推理期”。20世纪70年代中期开始，人工智能进入“知识期”。20世纪80年代：被研究最多的应用最广的是“从样本中学习”，其中的两个主流技术：符号主义学习（决策树，ILP：归纳逻辑程序设计），基于神经网络的连接主义学习20世纪90年代中期：统计学习：代表性技术，支持向量机21世纪以来，连接主义学习“深度学习”即很多层的神经网络1980年夏，美国卡耐基梅隆大学举办了第一届机器学习研讨会（IWML）。同年《策略分析与信息系统》连出三期机器学习专辑。1986年，第一本机器学习专业期刊MachineLearning创刊。1989年，人工智能领域地权威期刊ArtificialIntelligence出版机器学习专辑。2006年，卡耐基梅隆大学宣告成立世界上第一个“机器学习系”。经验误差：学习器在训练集上的误差称为“训练误差”或“经验误差”。泛化误差：在新样本上的误差称为“泛化误差”。“测试误差”作为泛化误差的近似。模型评估时用来测试模型的数据集叫什么集：A训练集B测试集C评估集D验证集（训练集是用来训练模型的，通过尝试不同的方法和思路使用训练集来训练不同的模型，再通过验证集使用交叉验证来挑选最优的模型，通过不断的迭代来改善模型在验证集上的性能，最后再通过测试集来评估模型的性能。将一个数据集D分为训练集S和测试集T的方法：留出法：直接将数据集D划分为两个互斥的集合，其中一个作为S一个作为T。注意点：训练/测试集的划分要尽可能保持数据分布一致。单次使用留出法得到的估计结果往往不够稳定可靠。一般采用若干次随机划分、重复进行实验评估后取平均值作为结果。常见做法是将大约2/3~4/5的样本用于训练剩余样本用于测试。保留类别比例的采样方式通常称为“分层采样”。交叉验证法：（可能大题）将数据集D划分为k个大小相似的的互斥子集，每个子集尽可能保持数据分布的一致性，即通过分层采样得到。然后每次用k-1个子集的并集作为训练集，余下的一个子集作为测试集并进行K次训练和测试。例如：5折交叉验证，D分为D1~D5，第一次取4个子集的并集，D2-D5作为训练集，D1作为测试集。第二次取D1、D3、D4、D5的并集作为训练集，D2作为测试集。以此类推，最后将5次测试结果平均得到返回结果。其中，如果D一共有m个样本，k=m，则得到交叉验证法的特例：留一法。因为m个样本只有唯一的划分方式，即划分为m个子集，每一个子集只有一个样本。这样所用的训练集只比原数据少一个样本。留一法的优点：评估结果往往被认为比较精确（并非最精确），缺点：数据集较大时，训练m个模型的计算开销可能难以忍受。自助法：（这种方法有一些样本永远取不到）建立一个新的数据集D’在D中随机取一个样本复制到D’中，进行m次后，D’中的样本数量和D一样，这时将D’作为训练集D\D’（表示D中不包括D’的部分）作为测试集。因为是复制到D’中所以D中的一部分样本会取不到，则不被取到的概率为（1-1/m)^m取极限得到=1/e≈0.368，即数据集D中约有36.8%的样本未出现在D’中。得到结果也称为“包外估计”。在数据集较小、难以有效划分训练/测试集时很有用此外，自助法能从初始数据集中产生多个不同的训练集，对集成学习有很大好处。但是自助法改变了初始数据集的分布，这会引入估计偏差。所以数据足够多的时候其他两种方法更加常用。错误率与精度错误率：分类错误的样本占样本总数的比例。精度：分类正确的样本数占样本总数的比例。查准率、查全率与F1认为是正例的样本中：真正例TP假正例FP认为是假例的样本中：假反例FN真反例TN查准率P：TP/(TP+FP)即在查到的正例中正确的占比。查全率R：TP/(TP+FN)即在所有正确的例子中查到的正例的占比。一般来说，查准率高，查全率偏低，查全率高，查准率偏低。根据这一现象可以得到“P-R曲线”，当R（X轴）相同时，P（Y轴）越大越好。曲线和P=R的直线的交点称为平衡点。越大越优。因为平衡点过于简化，所以用F1来衡量优劣：F1=(2*P*R)/(P+R)=(2*TP)/(样本总数+TP-TN)=1/F1=1/2*(1/P+1/R)有时因为场景的需要，可能回偏向查全率或者查准率，则有了F1的变形：FβFβ=((1+β²)*P*R)/((β²*P)+R)当β=1时，则为标准的F1；β1时查全率有更大影响；β1时查准率有更大影响。线性模型：给定d个描述x=(x1;x2x3...xd)(例如西瓜颜色、形状2个描述，d=2)，xi是x在第i个属性上的取值(即颜色=x1；形状=x2)。从而有线性模型的基本形式f(x)=wTx+b加粗表示向量线性回归这里的数据集为D={(x1,y1),(x2,y2),...,(xm,ym)}，其中xi=(xi1,xi2,...,xid)即线性模型的描述。此处的y应该是判断结果，我猜测为正确答案。简单化xi，将其中的值缩减到1个，则D={(xi,yi)}i=1m。同时，若属性间存在“序”，并且为离散值，则可以将输入变为类似身高={1，0}其中1表示高，0表示矮。如果不存在“序”关系，k个属性就用k维向量表示。线性回归目的是求出f(x)=wTx+b的函数使得带入的值经过函数计算后得到的f(x)与预测的y近似。所以为了近似，则需要做差最小。使用均方误差得到：(w*,b*)=argminΣ(i=1~m)(f(xi)-yi)²不方便同时做上下标简单表示=argminΣ(i=1~m)(yi-wxi-b)²这里我理解的是承接上面简化属性值仅有一个分别对w和b做偏导得到书上P51的3.5和3.6，然后两个式子=0，解后得到3.7和3.8的解。(过程作业有写，需要熟悉)此时如果使用原本的数据集，而不简化，即f(x)=wTx+b≈yi称为“多元线性回归”最小二乘法就是通过使两个式子的均方误差最小化，来求得函数的未知值。来近似标准函数，可以百度关键词“最小二乘法”，其中原理的部分较好理解。对数线性回归：即之前的线性回归是为了逼近y值，如果要使得函数逼近与y相关的值，例如lny，就是改变指数尺度=lny=wTx+b这一式子则称为对数线性回归，本质是使得e底的wTx+b逼近y。该式子在本质上仍然是线性回归。P56图3.1表现得较为明显。如果有g(.)使得y=g-1(wTx+b)这样得到得模型称为“广义线性模型”，函数g(.)称为“联系函数”，则对数线性回归是广义线性模型在g(.)=ln(.)时得特例。我这里认为g(.)中.表示输入值。对数几率回归：是分类问题通过找一个单调可微函数g(.)将分类任务的真实标记y与线性回归模型的预测值f(x)联系起来。设预测值z=wTx+b则将z的值通过“单位越阶函数”P57(3.16)与输出标记y一致。即通过g(.)获取到的函数为P57图3.2中的黑线。红色部分则为判断的输出标记。因为希望函数值接近0或1，所用用y=1/1+e-z作为“替代函数”且可微。带入z=wTx+b，得到P58(3.18)(3.19)则为了求“对数几率”，最后就是求ln(y/1-y)，将y和1-y分别视为为1和为0的概率，则有P59(3.23)(3.24)作业有相关内容。熵模型：百度内容：给定一个概率分布，则熵的定义为：Hp=−p(x)logp(x)放到作业中即-plnq大致意思是要求一个函数的最小值就取它的负，这样反过来求它的最大值。线性判别分析：是一种经典的线性学习方法，再二分类问题上提出。简称LDA：给定训练集例集，设法将样例投影到一条直线上，使得同类的样例的投影尽可能得靠近，异类样例尽可能远离；对新样本进行分析时，将样本投影到这条直线上，再根据位置判断类别。快速判断是否可以线性可分：将两类样本包起来，类似连接每类样例的最外层样本，形成一个封闭的图形，如果两个类别不重叠，则可以线性可分，反之不可。多类别学习：有些二分类学习方法可直接推广到多分类，但是再更多情形下，我们是基于一些基本策略，利用二类学习器来解决多分类问题。即多次利用二分类来解决多分类。最经典的拆分策略有三种：“一对一”(OvO)，“一对其余”(OvR)和“多对多”(MvM)。OvR只需要N个分类器，OvO需要N(N-1)/2个分类器。通常，OvO的存储开销和测试时间开销比OvR更大，但是OvO每次只用到两类样例，OvR则是全部样例。所以在类别多的的情况下OvO的训练时间开销通常比OvR更小。取决于具体数据分布。P64图3.4(大题)信息增益：信息熵：是度量样本集合纯度最常用的一种指标。集合D的信息熵定义为Ent(D)值越小表示纯度越高。神经元模型：“M-P神经元模型”P97图5.1xi为输入y为输出Wi为对应xi的连接权重激励函数：类似神经传播，当一个电位超过一定值，则激活神经元，从而进行再传递。类似地接收到带权重地输入信号，将总输入值和阀值进行比较，然后通过“激励函数”处理产生输出。所以这里地激励函数最好是跃阶函数(即只有y=1或y=0)但是实际用Sigmoid函数将值压缩在0-1之间。(1表示兴奋，0表示抑制)把许多个这样地神经元按一定地层次结构连接起来，就得到了神经网络。感知机和多层网络：要求会计算“与”、“或”、“非”：这里用跃阶函数计算。wi和θ的值是可变化的，设定值后。带入x1和x2计算，达到x1与x2x1或x2非x的效果。y=f(Σiwi*xi-θ)深度学习：“深”在哪里？参数越多、“容量”越大、复杂模型典型的深度学习模型就是很深层的神经网络，显然，对神经网络模型，提高容量的一个简单办法是增加隐层的数目=隐层数目大。“多隐层”是指三个及以上隐层。深度学习通常有八九层甚至更多隐层。支持向量机：两大重点：最大间隔、核技巧在样本空间中，划分超平面可通过如下线性方程描述：wTx+b=0间隔：距离超平面最近的几个训练样本点中，两个异类支持向量到超平面的距离之和称为“间隔”。最大间隔：找到满足式子P122(6.3)中约束的参数w和b，使得间隔最大。支持向量机(SVM)的基本型：P123(6.6)函数间隔：实际上是|wTx+b|，函数间隔代表了我们认为特征是正例还是反例的确信度。针对全局样本的定义的函数间隔：意思就是找到训练样本中函数间隔最小的那个样本，并且要让它的函数间隔最大。几何间隔：几何间隔首先简单一点说就是点到直线距离。在式子中的表现为||w||。硬间隔：要求所有样本均满足约束。P122(6.3)软间隔：允许某些样本不满足约束。P130(6.28)常用的“软间隔支持向量机”在P130P131min和s.t.部分。线性间隔：不需要升维，就可以找到一个超平面将训练样本正确分类。非线性间隔：需要升维，才能将训练样本分类。组合，有线性软间隔、线性硬间隔、非线性软间隔、非线性硬间隔。对偶问题：作业大题。主要还是求偏导。因为在解对偶问题时，有用到二次规划算法，该问题的规模正比于训练样本数，这会在实际任务中造成很大