林轩田机器学习基石课程学习笔记7 — The VC Dimension

前几节课着重介绍了机器能够学习的条件并做了详细的推导和解释。机器能够学习必须满足两个条件:

  • 假设空间H的Size M是有限的,即当N足够大的时候,那么对于假设空间中任意一个假设g,E_{out}\approx E_{in}
  • 利用算法A从假设空间H中,挑选一个g,使E_{in}(g)\approx0,则E_{out}\approx0

这两个条件,正好对应着test和trian两个过程。train的目的是使损失期望E_{in}(g)\approx0;test的目的是使将算法用到新的样本时的损失期望也尽可能小,即E_{out}\approx0

正因为如此,上次课引入了break point,并推导出只要break point存在,则M有上界,一定存在E_{out}\approx E_{in}

本次笔记主要介绍VC Dimension的概念。同时也是总结VC Dimension与E_{in}(g)\approx0E_{out}\approx0,Model Complexity Penalty(下面会讲到)的关系。

一、Definition of VC Dimension

首先,我们知道如果一个假设空间H有break point k,那么它的成长函数是有界的,它的上界称为Bound function。根据数学归纳法,Bound function也是有界的,且上界为N^{k-1}。从下面的表格可以看出,N(k-1)比B(N,k)松弛很多。

则根据上一节课的推导,VC bound就可以转换为:

这样,不等式只与k和N相关了,一般情况下样本N足够大,所以我们只考虑k值。有如下结论:

  • 若假设空间H有break point k,且N足够大,则根据VC bound理论,算法有良好的泛化能力

  • 在假设空间中选择一个矩g,使E_{in}\approx0,则其在全集数据中的错误率会较低

下面介绍一个新的名词:VC Dimension。VC Dimension就是某假设集H能够shatter的最多inputs的个数,即最大完全正确的分类能力。(注意,只要存在一种分布的inputs能够正确分类也满足)。

shatter的英文意思是“粉碎”,也就是说对于inputs的所有情况都能列举出来。例如对N个输入,如果能够将2^N种情况都列出来,则称该N个输入能够被假设集H shatter。

根据之前break point的定义:假设集不能被shatter任何分布类型的inputs的最少个数。则VC Dimension等于break point的个数减一。

现在,我们回顾一下之前介绍的四种例子,它们对应的VC Dimension是多少:

d_{vc}代替k,那么VC bound的问题也就转换为与d_{vc}和N相关了。同时,如果一个假设集H的d_{vc}确定了,则就能满足机器能够学习的第一个条件E_{out}\approx E_{in},与算法、样本数据分布和目标函数都没有关系。

二、VC Dimension of Perceptrons

回顾一下我们之前介绍的2D下的PLA算法,已知Perceptrons的k=4,即d_{vc}=3。根据VC Bound理论,当N足够大的时候,E_{out}(g)\approx E_{in}(g)。如果找到一个g,使E_{in}(g)\approx 0,那么就能证明PLA是可以学习的。

这是在2D情况下,那如果是多维的Perceptron,它对应的d_{vc}又等于多少呢?

已知在1D Perceptron,d_{vc}=2,在2D Perceptrons,d_{vc}=3,那么我们有如下假设:d_{vc}=d+1,其中d为维数。

要证明的话,只需分两步证明:

  • d_{vc}\geq d+1

  • d_{vc}\leq d+1

首先证明第一个不等式:d_{vc}\geq d+1

在d维里,我们只要找到某一类的d+1个inputs可以被shatter的话,那么必然得到d_{vc}\geq d+1。所以,我们有意构造一个d维的矩阵X能够被shatter就行。X是d维的,有d+1个inputs,每个inputs加上第零个维度的常数项1,得到X的矩阵:

矩阵中,每一行代表一个inputs,每个inputs是d+1维的,共有d+1个inputs。这里构造的X很明显是可逆的。shatter的本质是假设空间H对X的所有情况的判断都是对的,即总能找到权重W,满足X\ast W=yW=X^{-1}\ast y。由于这里我们构造的矩阵X的逆矩阵存在,那么d维的所有inputs都能被shatter,也就证明了第一个不等式。

综上证明可得d_{vc}=d+1

三、Physical Intuition VC Dimension

上节公式中W又名features,即自由度。自由度是可以任意调节的,如同上图中的旋钮一样,可以调节。VC Dimension代表了假设空间的分类能力,即反映了H的自由度,产生dichotomy的数量,也就等于features的个数,但也不是绝对的。

)

例如,对2D Perceptrons,线性分类,d_{vc}=3,则W={w_0,w_1,w_2},也就是说只要3个features就可以进行学习,自由度为3。

介绍到这,我们发现M与d_{vc}是成正比的,从而得到如下结论:

四、Interpreting VC Dimension

下面,我们将更深入地探讨VC Dimension的意义。首先,把VC Bound重新写到这里:

根据之前的泛化不等式,如果|E_{in}-E_{out}|>\epsilon,即出现bad坏的情况的概率最大不超过\delta。那么反过来,对于good好的情况发生的概率最小为1-\delta,则对上述不等式进行重新推导:

\epsilon表现了假设空间H的泛化能力,\epsilon越小,泛化能力越大。

至此,已经推导出泛化误差E_{out}的边界,因为我们更关心其上界(E_{out}可能的最大值),即:

上述不等式的右边第二项称为模型复杂度,其模型复杂度与样本数量N、假设空间H(d_{vc})、\epsilon有关。E_{out}E_{in}共同决定。下面绘出E_{out}、model complexity、E_{in}d_{vc}变化的关系:

通过该图可以得出如下结论:

  • d_{vc}越大,E_{in}越小,\Omega越大(复杂)

  • d_{vc}越小,E_{in}越大,\Omega越小(简单)

  • 随着d_{vc}增大,E_{out}会先减小再增大

所以,为了得到最小的E_{out},不能一味地增大d_{vc}以减小E_{in},因为E_{in}太小的时候,模型复杂度会增加,造成E_{out}变大。也就是说,选择合适的d_{vc},选择的features个数要合适。

下面介绍一个概念:样本复杂度(Sample Complexity)。如果选定d_{vc},样本数据D选择多少合适呢?通过下面一个例子可以帮助我们理解:

通过计算得到N=29300,刚好满足\delta=0.1的条件。N大约是d_{vc}的10000倍。这个数值太大了,实际中往往不需要这么多的样本数量,大概只需要d_{vc}的10倍就够了。N的理论值之所以这么大是因为VC Bound 过于宽松了,我们得到的是一个比实际大得多的上界。

值得一提的是,VC Bound是比较宽松的,而如何收紧它却不是那么容易,这也是机器学习的一大难题。但是,令人欣慰的一点是,VC Bound基本上对所有模型的宽松程度是基本一致的,所以,不同模型之间还是可以横向比较。从而,VC Bound宽松对机器学习的可行性还是没有太大影响。

五、总结

本节课主要介绍了VC Dimension的概念就是最大的non-break point。然后,我们得到了Perceptrons在d维度下的VC Dimension是d+1。接着,我们在物理意义上,将d_{vc}与自由度联系起来。最终得出结论d_{vc}不能过大也不能过小。选取合适的值,才能让E_{out}足够小,使假设空间H具有良好的泛化能力。

注明:

文章中所有的图片均来自台湾大学林轩田《机器学习基石》课程

更多AI资源请关注公众号:AI有道(ID:redstonewill)

未经允许不得转载:红色石头的个人博客 » 林轩田机器学习基石课程学习笔记7 — The VC Dimension

赞 (0) 打赏

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏