梯度下降法在機(jī)器學(xué)習(xí)中的應(yīng)用

1.列舉常用的最優(yōu)化方法

梯度下降法

牛頓法，

擬牛頓法

坐標(biāo)下降法

梯度下降法的改進(jìn)型如AdaDelta，AdaGrad，Adam，NAG等。

2.梯度下降法的關(guān)鍵點(diǎn)

梯度下降法沿著梯度的反方向進(jìn)行搜索，利用了函數(shù)的一階導(dǎo)數(shù)信息。梯度下降法的迭代公式為： ? 根據(jù)函數(shù)的一階泰勒展開，在負(fù)梯度方向，函數(shù)值是下降的。只要學(xué)習(xí)率設(shè)置的足夠小，并且沒有到達(dá)梯度為0的點(diǎn)處，每次迭代時(shí)函數(shù)值一定會(huì)下降。需要設(shè)置學(xué)習(xí)率為一個(gè)非常小的正數(shù)的原因是要保證迭代之后的xk+1位于迭代之前的值xk的鄰域內(nèi)，從而可以忽略泰勒展開中的高次項(xiàng)，保證迭代時(shí)函數(shù)值下降。 ? 梯度下降法只能保證找到梯度為0的點(diǎn)，不能保證找到極小值點(diǎn)。迭代終止的判定依據(jù)是梯度值充分接近于0，或者達(dá)到最大指定迭代次數(shù)。 ? 梯度下降法在機(jī)器學(xué)習(xí)中應(yīng)用廣泛，尤其是在深度學(xué)習(xí)中。AdaDelta，AdaGrad，Adam，NAG等改進(jìn)的梯度下降法都是用梯度構(gòu)造更新項(xiàng)，區(qū)別在于更新項(xiàng)的構(gòu)造方式不同。對(duì)梯度下降法更全面的介紹可以閱讀SIGAI之前的公眾號(hào)文章“理解梯度下降法”。 ?

3.牛頓法的關(guān)鍵點(diǎn)

牛頓法利用了函數(shù)的一階和二階導(dǎo)數(shù)信息，直接尋找梯度為0的點(diǎn)。牛頓法的迭代公式為： ? 其中H為Hessian矩陣，g為梯度向量。牛頓法不能保證每次迭代時(shí)函數(shù)值下降，也不能保證收斂到極小值點(diǎn)。在實(shí)現(xiàn)時(shí)，也需要設(shè)置學(xué)習(xí)率，原因和梯度下降法相同，是為了能夠忽略泰勒展開中的高階項(xiàng)。學(xué)習(xí)率的設(shè)置通常采用直線搜索（line search）技術(shù)。 ? 在實(shí)現(xiàn)時(shí)，一般不直接求Hessian矩陣的逆矩陣，而是求解下面的線性方程組： ? ? 其解d稱為牛頓方向。迭代終止的判定依據(jù)是梯度值充分接近于0，或者達(dá)到最大指定迭代次數(shù)。 ? 牛頓法比梯度下降法有更快的收斂速度，但每次迭代時(shí)需要計(jì)算Hessian矩陣，并求解一個(gè)線性方程組，運(yùn)算量大。另外，如果Hessian矩陣不可逆，則這種方法失效。 ?

4.拉格朗日乘數(shù)法

拉格朗日乘數(shù)法是一個(gè)理論結(jié)果，用于求解帶有等式約束的函數(shù)極值。對(duì)于如下問題： 構(gòu)造拉格朗日乘子函數(shù)： ? ? 在最優(yōu)點(diǎn)處對(duì)x和乘子變量的導(dǎo)數(shù)都必須為0： ? ? 解這個(gè)方程即可得到最優(yōu)解。對(duì)拉格朗日乘數(shù)法更詳細(xì)的講解可以閱讀任何一本高等數(shù)學(xué)教材。機(jī)器學(xué)習(xí)中用到拉格朗日乘數(shù)法的地方有： ?

主成分分析

線性判別分析

流形學(xué)習(xí)中的拉普拉斯特征映射

隱馬爾科夫模型

5.凸優(yōu)化

數(shù)值優(yōu)化算法面臨兩個(gè)方面的問題：局部極值，鞍點(diǎn)。前者是梯度為0的點(diǎn)，也是極值點(diǎn)，但不是全局極小值；后者連局部極值都不是，在鞍點(diǎn)處Hessian矩陣不定，即既非正定，也非負(fù)定。 凸優(yōu)化通過對(duì)目標(biāo)函數(shù)，優(yōu)化變量的可行域進(jìn)行限定，可以保證不會(huì)遇到上面兩個(gè)問題。凸優(yōu)化是一類特殊的優(yōu)化問題，它要求：

優(yōu)化變量的可行域是一個(gè)凸集

目標(biāo)函數(shù)是一個(gè)凸函數(shù)

凸優(yōu)化最好的一個(gè)性質(zhì)是：所有局部最優(yōu)解一定是全局最優(yōu)解。機(jī)器學(xué)習(xí)中典型的凸優(yōu)化問題有：

線性回歸

嶺回歸

LASSO回歸

Logistic回歸

支持向量機(jī)

Softamx回歸

6.拉格朗日對(duì)偶

對(duì)偶是最優(yōu)化方法里的一種方法，它將一個(gè)最優(yōu)化問題轉(zhuǎn)換成另外一個(gè)問題，二者是等價(jià)的。拉格朗日對(duì)偶是其中的典型例子。對(duì)于如下帶等式約束和不等式約束的優(yōu)化問題： ? 與拉格朗日乘數(shù)法類似，構(gòu)造廣義拉格朗日函數(shù)： ? ? 必須滿足的約束。原問題為： ? ? 即先固定住x，調(diào)整拉格朗日乘子變量，讓函數(shù)L取極大值；然后控制變量x，讓目標(biāo)函數(shù)取極小值。原問題與我們要優(yōu)化的原始問題是等價(jià)的。 ? 對(duì)偶問題為： ? ? 和原問題相反，這里是先控制變量x，讓函數(shù)L取極小值；然后控制拉格朗日乘子變量，讓函數(shù)取極大值。 ? 一般情況下，原問題的最優(yōu)解大于等于對(duì)偶問題的最優(yōu)解，這稱為弱對(duì)偶。在某些情況下，原問題的最優(yōu)解和對(duì)偶問題的最優(yōu)解相等，這稱為強(qiáng)對(duì)偶。 ? 強(qiáng)對(duì)偶成立的一種條件是Slater條件：一個(gè)凸優(yōu)化問題如果存在一個(gè)候選x使得所有不等式約束都是嚴(yán)格滿足的，即對(duì)于所有的i都有g(shù)i?(x)<0，不等式不取等號(hào)，則強(qiáng)對(duì)偶成立，原問題與對(duì)偶問題等價(jià)。注意，Slater條件是強(qiáng)對(duì)偶成立的充分條件而非必要條件。 ? 拉格朗日對(duì)偶在機(jī)器學(xué)習(xí)中的典型應(yīng)用是支持向量機(jī)。 ?

7.KKT條件

KKT條件是拉格朗日乘數(shù)法的推廣，用于求解既帶有等式約束，又帶有不等式約束的函數(shù)極值。對(duì)于如下優(yōu)化問題： ? 和拉格朗日對(duì)偶的做法類似，KKT條件構(gòu)如下乘子函數(shù)： ? ? 和稱為KKT乘子。在最優(yōu)解處應(yīng)該滿足如下條件： 等式約束 和不等式約束 是本身應(yīng)該滿足的約束，和之前的拉格朗日乘數(shù)法一樣。唯一多了關(guān)于gi?(x)的條件： KKT條件只是取得極值的必要條件而不是充分條件。 ? ?

8.特征值與特征向量

對(duì)于一個(gè)n階矩陣A，如果存在一個(gè)數(shù)和一個(gè)非0向量X，滿足： ? ? 則稱為矩陣A的特征值，X為該特征值對(duì)應(yīng)的特征向量。根據(jù)上面的定義有下面線性方程組 成立： ? ? 上式左邊的多項(xiàng)式稱為矩陣的特征多項(xiàng)式。矩陣的跡定義為主對(duì)角線元素之和： ? 根據(jù)韋達(dá)定理，矩陣所有特征值的和為矩陣的跡： ? ? 同樣可以證明，矩陣所有特征值的積為矩陣的行列式： ? ? 利用特征值和特征向量，可以將矩陣對(duì)角化，即用正交變換將矩陣化為對(duì)角陣。實(shí)對(duì)稱矩陣一定可以對(duì)角化，半正定矩陣的特征值都大于等于0，在機(jī)器學(xué)習(xí)中，很多矩陣都滿足這些條件。特征值和特征向量在機(jī)器學(xué)習(xí)中的應(yīng)用包括：正態(tài)貝葉斯分類器、主成分分析，流形學(xué)習(xí)，線性判別分析，譜聚類等。 ?

9.奇異值分解

矩陣對(duì)角化只適用于方陣，如果不是方陣也可以進(jìn)行類似的分解，這就是奇異值分解，簡(jiǎn)稱SVD。假設(shè)A是一個(gè)m x n的矩陣，則存在如下分解： ? 其中U為m x m的正交矩陣，其列稱為矩陣A的左奇異向量；為m x n的對(duì)角矩陣，除了主對(duì)角線以外，其他元素都是0；V為n x n的正交矩陣，其行稱為矩陣A的右奇異向量。U的列為AAT的特征向量，V的列為AT?A的特征向量。 ?

10.最大似然估計(jì)

有些應(yīng)用中已知樣本服從的概率分布，但是要估計(jì)分布函數(shù)的參數(shù)，確定這些參數(shù)常用的一種方法是最大似然估計(jì)。 ? 最大似然估計(jì)構(gòu)造一個(gè)似然函數(shù)，通過讓似然函數(shù)最大化，求解出。最大似然估計(jì)的直觀解釋是，尋求一組參數(shù)，使得給定的樣本集出現(xiàn)的概率最大。 ? 假設(shè)樣本服從的概率密度函數(shù)為，其中X為隨機(jī)變量，為要估計(jì)的參數(shù)。給定一組樣本xi,i?=1,...,l，它們都服從這種分布，并且相互獨(dú)立。最大似然估計(jì)構(gòu)造如下似然函數(shù)： ? ? 其中xi是已知量，這是一個(gè)關(guān)于的函數(shù)，我們要讓該函數(shù)的值最大化，這樣做的依據(jù)是這組樣本發(fā)生了，因此應(yīng)該最大化它們發(fā)生的概率，即似然函數(shù)。這就是求解如下最優(yōu)化問題： ? ? 乘積求導(dǎo)不易處理，因此我們對(duì)該函數(shù)取對(duì)數(shù)，得到對(duì)數(shù)似然函數(shù)： ? 最后要求解的問題為： ? 最大似然估計(jì)在機(jī)器學(xué)習(xí)中的典型應(yīng)用包括logistic回歸，貝葉斯分類器，隱馬爾科夫模型等。 ?

基本概念

1.有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)

根據(jù)樣本數(shù)據(jù)是否帶有標(biāo)簽值，可以將機(jī)器學(xué)習(xí)算法分成有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩類。有監(jiān)督學(xué)習(xí)的樣本數(shù)據(jù)帶有標(biāo)簽值，它從訓(xùn)練樣本中學(xué)習(xí)得到一個(gè)模型，然后用這個(gè)模型對(duì)新的樣本進(jìn)行預(yù)測(cè)推斷。有監(jiān)督學(xué)習(xí)的典型代表是分類問題和回歸問題。 無監(jiān)督學(xué)習(xí)對(duì)沒有標(biāo)簽的樣本進(jìn)行分析，發(fā)現(xiàn)樣本集的結(jié)構(gòu)或者分布規(guī)律。無監(jiān)督學(xué)習(xí)的典型代表是聚類，表示學(xué)習(xí)，和數(shù)據(jù)降維，它們處理的樣本都不帶有標(biāo)簽值。

2.分類問題與回歸問題

在有監(jiān)督學(xué)習(xí)中，如果樣本的標(biāo)簽是整數(shù)，則預(yù)測(cè)函數(shù)是一個(gè)向量到整數(shù)的映射，這稱為分類問題。如果標(biāo)簽值是連續(xù)實(shí)數(shù)，則稱為回歸問題，此時(shí)預(yù)測(cè)函數(shù)是向量到實(shí)數(shù)的映射。

3.生成模型與判別模型

分類算法可以分成判別模型和生成模型。給定特征向量x與標(biāo)簽值y，生成模型對(duì)聯(lián)合概率p(x,y)建模，判別模型對(duì)條件概率p(y|x)進(jìn)行建模。另外，不使用概率模型的分類器也被歸類為判別模型，它直接得到預(yù)測(cè)函數(shù)而不關(guān)心樣本的概率分布： 判別模型直接得到預(yù)測(cè)函數(shù)f(x)，或者直接計(jì)算概率值p(y|x)，比如SVM和logistic回歸，softmax回歸，判別模型只關(guān)心決策面，而不管樣本的概率分布的密度。 ? 生成模型計(jì)算p(x, y)或者p(x|y) ，通俗來說，生成模型假設(shè)每個(gè)類的樣本服從某種概率分布，對(duì)這個(gè)概率分布進(jìn)行建模。 ? 機(jī)器學(xué)習(xí)中常見的生成模型有貝葉斯分類器，高斯混合模型，隱馬爾可夫模型，受限玻爾茲曼機(jī)，生成對(duì)抗網(wǎng)絡(luò)等。典型的判別模型有決策樹，kNN算法，人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，logistic回歸，AdaBoost算法等。 ?

4.交叉驗(yàn)證

交叉驗(yàn)證（cross validation）是一種統(tǒng)計(jì)準(zhǔn)確率的技術(shù)。k折交叉驗(yàn)證將樣本隨機(jī)、均勻的分成k份，輪流用其中的k-1份訓(xùn)練模型，1份用于測(cè)試模型的準(zhǔn)確率，用k個(gè)準(zhǔn)確率的均值作為最終的準(zhǔn)確率。

5.過擬合與欠擬合

欠擬合也稱為欠學(xué)習(xí)，直觀表現(xiàn)是訓(xùn)練得到的模型在訓(xùn)練集上表現(xiàn)差，沒有學(xué)到數(shù)據(jù)的規(guī)律。引起欠擬合的原因有模型本身過于簡(jiǎn)單，例如數(shù)據(jù)本身是非線性的但使用了線性模型；特征數(shù)太少無法正確的建立映射關(guān)系。 過擬合也稱為過學(xué)習(xí)，直觀表現(xiàn)是在訓(xùn)練集上表現(xiàn)好，但在測(cè)試集上表現(xiàn)不好，推廣泛化性能差。過擬合產(chǎn)生的根本原因是訓(xùn)練數(shù)據(jù)包含抽樣誤差，在訓(xùn)練時(shí)模型將抽樣誤差也進(jìn)行了擬合。所謂抽樣誤差，是指抽樣得到的樣本集和整體數(shù)據(jù)集之間的偏差。引起過擬合的可能原因有： 模型本身過于復(fù)雜，擬合了訓(xùn)練樣本集中的噪聲。此時(shí)需要選用更簡(jiǎn)單的模型，或者對(duì)模型進(jìn)行裁剪。訓(xùn)練樣本太少或者缺乏代表性。此時(shí)需要增加樣本數(shù)，或者增加樣本的多樣性。訓(xùn)練樣本噪聲的干擾，導(dǎo)致模型擬合了這些噪聲，這時(shí)需要剔除噪聲數(shù)據(jù)或者改用對(duì)噪聲不敏感的模型。

6.偏差與方差分解

模型的泛化誤差可以分解成偏差和方差。偏差是模型本身導(dǎo)致的誤差，即錯(cuò)誤的模型假設(shè)所導(dǎo)致的誤差，它是模型的預(yù)測(cè)值的數(shù)學(xué)期望和真實(shí)值之間的差距。 方差是由于對(duì)訓(xùn)練樣本集的小波動(dòng)敏感而導(dǎo)致的誤差。它可以理解為模型預(yù)測(cè)值的變化范圍，即模型預(yù)測(cè)值的波動(dòng)程度。 模型的總體誤差可以分解為偏差的平方與方差之和： 如果模型過于簡(jiǎn)單，一般會(huì)有大的偏差和小的方差；反之如果模型復(fù)雜則會(huì)有大的方差但偏差很小。 ?

7.正則化

為了防止過擬合，可以為損失函數(shù)加上一個(gè)懲罰項(xiàng)，對(duì)復(fù)雜的模型進(jìn)行懲罰，強(qiáng)制讓模型的參數(shù)值盡可能小以使得模型更簡(jiǎn)單，加入懲罰項(xiàng)之后損失函數(shù)為： 正則化被廣泛應(yīng)用于各種機(jī)器學(xué)習(xí)算法，如嶺回歸，LASSO回歸，logistic回歸，神經(jīng)網(wǎng)絡(luò)等。除了直接加上正則化項(xiàng)之外，還有其他強(qiáng)制讓模型變簡(jiǎn)單的方法，如決策樹的剪枝算法，神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的dropout技術(shù)，提前終止技術(shù)等。 ?

8.維數(shù)災(zāi)難

為了提高算法的精度，會(huì)使用越來越多的特征。當(dāng)特征向量維數(shù)不高時(shí)，增加特征確實(shí)可以帶來精度上的提升；但是當(dāng)特征向量的維數(shù)增加到一定值之后，繼續(xù)增加特征反而會(huì)導(dǎo)致精度的下降，這一問題稱為維數(shù)災(zāi)難。

貝葉斯分類器

貝葉斯分類器將樣本判定為后驗(yàn)概率最大的類，它直接用貝葉斯公式解決分類問題。假設(shè)樣本的特征向量為x，類別標(biāo)簽為y，根據(jù)貝葉斯公式，樣本屬于每個(gè)類的條件概率（后驗(yàn)概率）為： ? 分母p(x)對(duì)所有類都是相同的，分類的規(guī)則是將樣本歸到后驗(yàn)概率最大的那個(gè)類，不需要計(jì)算準(zhǔn)確的概率值，只需要知道屬于哪個(gè)類的概率最大即可，這樣可以忽略掉分母。分類器的判別函數(shù)為： ? 在實(shí)現(xiàn)貝葉斯分類器時(shí)，需要知道每個(gè)類的條件概率分布p(x|y)即先驗(yàn)概率。一般假設(shè)樣本服從正態(tài)分布。訓(xùn)練時(shí)確定先驗(yàn)概率分布的參數(shù)，一般用最大似然估計(jì)，即最大化對(duì)數(shù)似然函數(shù)。 ? 如果假設(shè)特征向量的各個(gè)分量之間相互獨(dú)立，則稱為樸素貝葉斯分類器，此時(shí)的分類判別函數(shù)為： ? 實(shí)現(xiàn)時(shí)可以分為特征分量是離散變量和連續(xù)變量?jī)煞N情況。貝葉斯分分類器是一種生成模型，可以處理多分類問題，是一種非線性模型。 ?

決策樹

決策樹是一種基于規(guī)則的方法，它用一組嵌套的規(guī)則進(jìn)行預(yù)測(cè)。在樹的每個(gè)決策節(jié)點(diǎn)處，根據(jù)判斷結(jié)果進(jìn)入一個(gè)分支，反復(fù)執(zhí)行這種操作直到到達(dá)葉子節(jié)點(diǎn)，得到預(yù)測(cè)結(jié)果。這些規(guī)則通過訓(xùn)練得到，而不是人工制定的。 決策樹既可以用于分類問題，也可以用于回歸問題。分類樹的映射函數(shù)是多維空間的分段線性劃分，用平行于各坐標(biāo)軸的超平面對(duì)空間進(jìn)行切分；回歸樹的映射函數(shù)是分段常數(shù)函數(shù)。決策樹是分段線性函數(shù)而不是線性函數(shù)。只要?jiǎng)澐值淖銐蚣?xì)，分段常數(shù)函數(shù)可以逼近閉區(qū)間上任意函數(shù)到任意指定精度，因此決策樹在理論上可以對(duì)任意復(fù)雜度的數(shù)據(jù)進(jìn)行擬合。對(duì)于分類問題，如果決策樹深度夠大，它可以將訓(xùn)練樣本集的所有樣本正確分類。 決策樹的訓(xùn)練算法是一個(gè)遞歸的過程，首先創(chuàng)建根節(jié)點(diǎn)，然后遞歸的建立左子樹和右子樹。如果練樣本集為D，訓(xùn)練算法的流程為：

1.用樣本集D建立根節(jié)點(diǎn)，找到一個(gè)判定規(guī)則，將樣本集分裂成D1和D2兩部分，同時(shí)為根節(jié)點(diǎn)設(shè)置判定規(guī)則。

2.用樣本集D1遞歸建立左子樹。

3.用樣本集D2遞歸建立右子樹。

4.如果不能再進(jìn)行分裂，則把節(jié)點(diǎn)標(biāo)記為葉子節(jié)點(diǎn)，同時(shí)為它賦值。

對(duì)于分類樹，如果采用Gini系數(shù)作為度量準(zhǔn)則，決策樹在訓(xùn)練時(shí)尋找最佳分裂的依據(jù)為讓Gini不純度最小化，這等價(jià)于讓下面的值最大化： 尋找最佳分裂時(shí)需要計(jì)算用每個(gè)閾值對(duì)樣本集進(jìn)行分裂后的純度值，尋找該值最大時(shí)對(duì)應(yīng)的分裂，它就是最佳分裂。如果是數(shù)值型特征，對(duì)于每個(gè)特征將l個(gè)訓(xùn)練樣本按照該特征的值從小到大排序，假設(shè)排序后的值為： 接下來從x1開始，依次用每個(gè)xi作為閾值，將樣本分成左右兩部分，計(jì)算上面的純度值，該值最大的那個(gè)分裂閾值就是此特征的最佳分裂閾值。在計(jì)算出每個(gè)特征的最佳分裂閾值和上面的純度值后，比較所有這些分裂的純度值大小，該值最大的分裂為所有特征的最佳分裂。 ? 決策樹可以處理屬性缺失問題，采用的方法是使用替代分裂規(guī)則。為了防止過擬合，可以對(duì)樹進(jìn)行剪枝，讓模型變得更簡(jiǎn)單。如果想要更詳細(xì)的了解決策樹的原理，請(qǐng)閱讀SIGAI之前的公眾號(hào)文章“理解決策樹”，在SIGAI云端實(shí)驗(yàn)室有決策樹訓(xùn)練算法的原理實(shí)驗(yàn)，此功能免費(fèi)，網(wǎng)址為： www.sigai.cn ? 決策樹是一種判別模型，既支持分類問題，也支持回歸問題，是一種非線性模型，它支持多分類問題。 ?

隨機(jī)森林

隨機(jī)森林是一種集成學(xué)習(xí)算法，是Bagging算法的具體實(shí)現(xiàn)。集成學(xué)習(xí)是機(jī)器學(xué)習(xí)中的一種思想，而不是某一具體算法，它通過多個(gè)模型的組合形成一個(gè)精度更高的模型，參與組合的模型稱為弱學(xué)習(xí)器。在預(yù)測(cè)時(shí)使用這些弱學(xué)習(xí)器模型聯(lián)合進(jìn)行預(yù)測(cè)，訓(xùn)練時(shí)需要依次訓(xùn)練出這些弱學(xué)習(xí)器。 隨機(jī)森林用有放回抽樣（Bootstrap抽樣）構(gòu)成出的樣本集訓(xùn)練多棵決策樹，訓(xùn)練決策樹的每個(gè)節(jié)點(diǎn)時(shí)只使用了隨機(jī)抽樣的部分特征。預(yù)測(cè)時(shí)，對(duì)于分類問題，一個(gè)測(cè)試樣本會(huì)送到每一棵決策樹中進(jìn)行預(yù)測(cè)，然后投票，得票最多的類為最終分類結(jié)果。對(duì)于回歸問題，隨機(jī)森林的預(yù)測(cè)輸出是所有決策樹輸出的均值。 假設(shè)有n個(gè)訓(xùn)練樣本。訓(xùn)練每一棵樹時(shí)，從樣本集中有放回的抽取n個(gè)樣本，每個(gè)樣本可能會(huì)被抽中多次，也可能一次都沒抽中。如果樣本量很大，在整個(gè)抽樣過程中每個(gè)樣本有0.368的概率不被抽中。由于樣本集中各個(gè)樣本是相互獨(dú)立的，在整個(gè)抽樣中所有樣本大約有36.8%沒有被抽中。這部分樣本稱為包外（Out Of Bag，簡(jiǎn)稱OOB）數(shù)據(jù)。 用這個(gè)抽樣的樣本集訓(xùn)練一棵決策樹，訓(xùn)練時(shí)，每次尋找最佳分裂時(shí)，還要對(duì)特征向量的分量采樣，即只考慮部分特征分量。由于使用了隨機(jī)抽樣，隨機(jī)森林泛化性能一般比較好，可以有效的降低模型的方差。 如果想更詳細(xì)的了解隨機(jī)森林的原理，請(qǐng)閱讀SIGAI之前的公眾號(hào)文章“隨機(jī)森林概述”。隨機(jī)森林是一種判別模型，既支持分類問題，也支持回歸問題，并且支持多分類問題，這是一種非線性模型。

AdaBoost算法

AdaBoost算法也是一種集成學(xué)習(xí)算法，用于二分類問題，是Boosting算法的一種實(shí)現(xiàn)。它用多個(gè)弱分類器的線性組合來預(yù)測(cè)，訓(xùn)練時(shí)重點(diǎn)關(guān)注錯(cuò)分的樣本，準(zhǔn)確率高的弱分類器權(quán)重大。AdaBoost算法的全稱是自適應(yīng)，它用弱分類器的線性組合來構(gòu)造強(qiáng)分類器。弱分類器的性能不用太好，僅比隨機(jī)猜測(cè)強(qiáng)，依靠它們可以構(gòu)造出一個(gè)非常準(zhǔn)確的強(qiáng)分類器。強(qiáng)分類器的計(jì)算公式為： 其中x是輸入向量，F(xiàn)(x)是強(qiáng)分類器，ft(x)是弱分類器，at是弱分類器的權(quán)重，T為弱分類器的數(shù)量，弱分類器的輸出值為+1或-1，分別對(duì)應(yīng)正樣本和負(fù)樣本。分類時(shí)的判定規(guī)則為： 強(qiáng)分類器的輸出值也為+1或-1，同樣對(duì)應(yīng)于正樣本和負(fù)樣本。 ? 訓(xùn)練時(shí)，依次訓(xùn)練每一個(gè)若分類器，并得到它們的權(quán)重值。訓(xùn)練樣本帶有權(quán)重值，初始時(shí)所有樣本的權(quán)重相等，在訓(xùn)練過程中，被前面的弱分類器錯(cuò)分的樣本會(huì)加大權(quán)重，反之會(huì)減小權(quán)重，這樣接下來的弱分類器會(huì)更加關(guān)注這些難分的樣本。弱分類器的權(quán)重值根據(jù)它的準(zhǔn)確率構(gòu)造，精度越高的弱分類器權(quán)重越大。 ? 給定l個(gè)訓(xùn)練樣本(xi,yi?)，其中xi是特征向量，yi為類別標(biāo)簽，其值為+1或-1。訓(xùn)練算法的流程為： 根據(jù)計(jì)算公式，錯(cuò)誤率低的弱分類器權(quán)重大，它是準(zhǔn)確率的增函數(shù)。AdaBoost算法在訓(xùn)練樣本集上的錯(cuò)誤率會(huì)隨著弱分類器數(shù)量的增加而指數(shù)級(jí)降低。它能有效的降低模型的偏差。 ? AdaBoost算法從廣義加法模型導(dǎo)出，訓(xùn)練時(shí)求解的是指數(shù)損失函數(shù)的極小值： 求解時(shí)采用了分階段優(yōu)化，先得到弱分類器，然后確定弱分類器的權(quán)重值，這就是弱分類器，弱分類器權(quán)重的來歷。除了離散型AdaBoost之外，從廣義加法模型還可以導(dǎo)出其他幾種AdaBoost算法，分別是實(shí)數(shù)型AdaBoost，Gentle型AdaBoost，Logit型AdaBoost，它們使用了不同的損失函數(shù)和最優(yōu)化算法。 ? 標(biāo)準(zhǔn)的AdaBoost算法是一種判別模型，只能支持二分類問題。它的改進(jìn)型可以處理多分類問題。 ?

主成分分析

主成分分析是一種數(shù)據(jù)降維和去除相關(guān)性的方法，它通過線性變換將向量投影到低維空間。對(duì)向量進(jìn)行投影就是對(duì)向量左乘一個(gè)矩陣，得到結(jié)果向量： y = Wx 結(jié)果向量的維數(shù)小于原始向量的維數(shù)。降維要確保的是在低維空間中的投影能很好的近似表達(dá)原始向量，即重構(gòu)誤差最小化： 其中e為投影后空間的基向量，是標(biāo)準(zhǔn)正交基；a為重構(gòu)系數(shù)，也是投影到低維空間后的坐標(biāo)。如果定義如下的散布矩陣： 其中m和為所有樣本的均值向量。則上面的重構(gòu)誤差最小化等價(jià)于求解如下問題： 通過拉格朗日乘數(shù)法可以證明，使得該函數(shù)取最小值的ej為散度矩陣最大的d'個(gè)特征值對(duì)應(yīng)的單位長(zhǎng)度特征向量。矩陣W的列ej是我們要求解的基向量，由它們構(gòu)成投影矩陣。計(jì)算時(shí)，先計(jì)算散布矩陣（或者協(xié)方差矩陣），再對(duì)該進(jìn)行進(jìn)行特征值分解，找到最大的一部分特征值和對(duì)應(yīng)的特征向量，構(gòu)成投影矩陣?？梢宰C明，協(xié)方差矩陣或散布矩陣是實(shí)對(duì)稱半正定矩陣，因此所有特征值非負(fù)。進(jìn)行降維時(shí)，先將輸入向量減掉均值向量，然后左乘投影矩陣，即可得到投影后的向量。 ? 主成分分析一種無監(jiān)督學(xué)習(xí)算法，也是一種線性方法。 ?

線性判別分析

線性判別分析向最大化類間差異、最小化類內(nèi)差異的方向線性投影。其基本思想是通過線性投影來最小化同類樣本間的差異，最大化不同類樣本間的差異。具體做法是尋找一個(gè)向低維空間的投影矩陣W，樣本的特征向量x經(jīng)過投影之后得到的新向量： y = Wx 同一類樣投影后的結(jié)果向量差異盡可能小，不同類的樣本差異盡可能大。簡(jiǎn)單的說，就是經(jīng)過這個(gè)投影之后同一類的樣本進(jìn)來聚集在一起，不同類的樣本盡可能離得遠(yuǎn)。這種最大化類間差異，最小化類內(nèi)差異的做法，在機(jī)器學(xué)習(xí)的很多地方都有使用。 類內(nèi)散布矩陣定義為： 它衡量的內(nèi)類樣本的發(fā)散程度。其中mi為每個(gè)類的均值向量，m為所有樣本的均值向量。類間散布矩陣定義為： 它衡量的了各類樣本之間的差異。訓(xùn)練時(shí)的優(yōu)化目標(biāo)是類間差異與類內(nèi)差異的比值： 上面的問題帶有冗余，如果w是最優(yōu)解，將其乘以一個(gè)不為0的系數(shù)之后還是最優(yōu)解。為了消掉冗余，加上如下約束： 然后使用拉格朗日乘數(shù)法，最后歸結(jié)于求解矩陣的特征值與特征向量： LDA是有監(jiān)督的學(xué)習(xí)算法，在計(jì)算過程中利用了樣本標(biāo)簽值，是線性模型。LDA也不能直接用于分類和回歸問題，要對(duì)降維后的向量進(jìn)行分類還需要借助其他算法。 ?

kNN算法

kNN算法將樣本分到離它最相似的樣本所屬的類。算法本質(zhì)上使用了模板匹配的思想。要確定一個(gè)樣本的類別，可以計(jì)算它與所有訓(xùn)練樣本的距離，然后找出和該樣本最接近的k個(gè)樣本，統(tǒng)計(jì)這些樣本的類別進(jìn)行投票，票數(shù)最多的那個(gè)類就是分類結(jié)果。 由于需要計(jì)算樣本間的距離，因此需要依賴距離定義，常用的有歐氏距離，Mahalanobis距離，Bhattacharyya距離。另外，還可以通過學(xué)習(xí)得到距離函數(shù)，這就是距離度量學(xué)習(xí)。 kNN算法是一種判別模型，即支持分類問題，也支持回歸問題，是一種非線性模型。它天然的支持多分類問題。kNN算法沒有訓(xùn)練過程，是一種基于實(shí)例的算法。

人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是一種仿生的方法，參考了動(dòng)物的神經(jīng)元結(jié)構(gòu)。從本質(zhì)上看，它是一個(gè)多層復(fù)合函數(shù)。對(duì)于多層前饋型神經(jīng)網(wǎng)絡(luò)，即權(quán)連接網(wǎng)絡(luò)，每一層實(shí)現(xiàn)的變換為： 其中W為權(quán)重矩陣，b為偏置向量，f為激活函數(shù)。正向傳播時(shí)反復(fù)用上上對(duì)每一層的輸出值進(jìn)行計(jì)算，得到最終的輸出。使用激活函數(shù)是為了保證非線性，對(duì)于激活函數(shù)更深入全面的介紹請(qǐng)參考SIGAI之前的公眾號(hào)文章“理解神經(jīng)網(wǎng)絡(luò)的激活函數(shù)”，“神經(jīng)網(wǎng)絡(luò)的激活函數(shù)總結(jié)”。萬能逼近定理保證了神經(jīng)網(wǎng)絡(luò)可以比較閉區(qū)間上任意一個(gè)連續(xù)函數(shù)。 ? 權(quán)重和偏置通過訓(xùn)練得到，采用的是反向傳播算法。反向傳播算法從復(fù)合函數(shù)求導(dǎo)的鏈?zhǔn)椒▌t導(dǎo)出，用于計(jì)算損失函數(shù)對(duì)權(quán)重，偏置的梯度值。算法從最外層的導(dǎo)數(shù)值算起，依次遞推的計(jì)算更內(nèi)層的導(dǎo)數(shù)值，這對(duì)應(yīng)于從神經(jīng)網(wǎng)絡(luò)的輸出層算起，反向計(jì)算每個(gè)隱含層參數(shù)的導(dǎo)數(shù)值。其核心是誤差項(xiàng)的定義，定義誤差項(xiàng)為損失函數(shù)對(duì)臨時(shí)變量u的梯度： 其中，nl是神經(jīng)網(wǎng)絡(luò)的層數(shù)。最后一個(gè)層的誤差項(xiàng)可以直接求出，其他層的誤差項(xiàng)根據(jù)上面的遞推公式進(jìn)行計(jì)算。根據(jù)誤差項(xiàng)，可以計(jì)算出損失函數(shù)對(duì)每一層權(quán)重矩陣的梯度值： 以及對(duì)偏置向量的梯度值： 然后用梯度下降法對(duì)它們的值進(jìn)行更新。參數(shù)初始化一般采用隨機(jī)數(shù)，而不是簡(jiǎn)單的初始化為0。為了加快收斂速度，還可以使用動(dòng)量項(xiàng)，它積累了之前的梯度信息。 ? 神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)的損失函數(shù)不是凸函數(shù)，因此有陷入局部極值，鞍點(diǎn)的風(fēng)險(xiǎn)。另外，隨著層數(shù)的增加，會(huì)導(dǎo)致梯度消失問題，這是因?yàn)槊看斡?jì)算誤差項(xiàng)時(shí)都需要乘以激活函數(shù)的導(dǎo)數(shù)值，如果其絕對(duì)值小于1，多次連乘之后導(dǎo)致誤差項(xiàng)趨向于0，從而使得計(jì)算出來的參數(shù)梯度值接近于0，參數(shù)無法有效的更新。 ? 如果對(duì)反傳播算法的推導(dǎo)細(xì)節(jié)感興趣，可以閱讀SIGAI之前的公眾號(hào)文章“反向傳播算法推導(dǎo)-全連接神經(jīng)網(wǎng)絡(luò)”。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法可以總結(jié)為： 復(fù)合函數(shù)求導(dǎo)?+?梯度下降法 ? 標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)是一種有監(jiān)督的學(xué)習(xí)算法，它是一種非線性模型，它既可以用于分類問題，也可以用于回歸問題，并且支持多分類問題。 ?

支持向量機(jī)

支持向量機(jī)的核心思想是最大化分類間隔。簡(jiǎn)單的支持向量機(jī)就是讓分類間隔最大化的線性分類器，找到多維空間中的一個(gè)超平面。它在訓(xùn)練是求解的問題為： 這從點(diǎn)到超平面的距離方程導(dǎo)出，通過增加一個(gè)約束條件消掉了優(yōu)化變量的冗余?？梢宰C明，這個(gè)問題是凸優(yōu)化問題，并且滿足Slater條件。這個(gè)問題帶有太多的不等式約束，不易求解，因此通過拉格朗日對(duì)偶轉(zhuǎn)換為對(duì)偶問題求解： 同樣的，這個(gè)問題也是凸優(yōu)化問題。此時(shí)支持向量機(jī)并不能解決非線性分類問題，通過使用核函數(shù)，將向量變換到高維空間，使它們更可能是線性可分的。而對(duì)向量先進(jìn)行映射再做內(nèi)積，等價(jià)于先做內(nèi)積再做映射，因此核函數(shù)并不用顯式的對(duì)向量進(jìn)行映射，而是對(duì)兩個(gè)向量的內(nèi)積進(jìn)行映射，這是核函數(shù)的精髓。要理解核函數(shù)，可以閱讀SIGAI之前的公眾號(hào)文章“【實(shí)驗(yàn)】理解SVM的核函數(shù)和參數(shù)”。 ? 加入核函數(shù)K之后的對(duì)偶問題變?yōu)椋? 預(yù)測(cè)函數(shù)為： 其中b通過KKT條件求出。如果使用正定核，這個(gè)問題也是凸優(yōu)化問題。求解采用了SMO算法，這是一種分治法，每次挑選出兩個(gè)變量進(jìn)行優(yōu)化，其他變量保持不動(dòng)。選擇優(yōu)化變量的依據(jù)是KKT條件，對(duì)這兩個(gè)變量的優(yōu)化是一個(gè)帶等式和不等式約束的二次函數(shù)極值問題，可以直接得到公式解。另外，這個(gè)子問題同樣是一個(gè)凸優(yōu)化問題。 ? 標(biāo)準(zhǔn)的支持向量機(jī)只能解決二分類問題。對(duì)于多分類問題，可以用這種二分類器的組合來解決，有以下幾種方案： ? 1對(duì)剩余方案。對(duì)于有k個(gè)類的分類問題，訓(xùn)練k個(gè)二分類器。訓(xùn)練時(shí)第i個(gè)分類器的正樣本是第i類樣本，負(fù)樣本是除第i類之外其他類型的樣本，這個(gè)分類器的作用是判斷樣本是否屬于第i類。在進(jìn)行分類時(shí)，對(duì)于待預(yù)測(cè)樣本，用每個(gè)分類器計(jì)算輸出值，取輸出值最大那個(gè)作為預(yù)測(cè)結(jié)果。 ? 1對(duì)1方案。如果有k個(gè)類，訓(xùn)練Ck2個(gè)二分類器，即這些類兩兩組合。訓(xùn)練時(shí)將第i類作為正樣本，其他各個(gè)類依次作為負(fù)樣本，總共有k?(k???1)?/ 2種組合。每個(gè)分類器的作用是判斷樣本是屬于第i類還是第j類。對(duì)樣本進(jìn)行分類時(shí)采用投票的方法，依次用每個(gè)二分類器進(jìn)行預(yù)測(cè)，如果判定為第m類，則m類的投票數(shù)加1，得票最多的那個(gè)類作為最終的判定結(jié)果。 ? 除了通過二分類器的組合來構(gòu)造多類分類器之外，還可以通過直接優(yōu)化多類分類的目標(biāo)函數(shù)得到多分類器。 ? SVM是一種判別模型。它既可以用于分類問題，也可以用于回歸問題。標(biāo)準(zhǔn)的SVM只能支持二分類問題，使用多個(gè)分類器的組合，可以解決多分類問題。如果不使用核函數(shù)，SVM是一個(gè)線性模型，如果使用非線性核，則是非線性模型，這可以從上面的預(yù)測(cè)函數(shù)看出。如果想更詳細(xì)的了解支持向量機(jī)，可以閱讀SIGAI之前的公眾號(hào)文章“用一張圖理解SVM的脈絡(luò)”。 ?

logistic回歸

logistic回歸是一種二分類算法，直接為樣本估計(jì)出它屬于正負(fù)樣本的概率。先將向量進(jìn)行線性加權(quán)，然后計(jì)算logistic函數(shù)，可以得到[0,1]之間的概率值，它表示樣本x屬于正樣本的概率： 正樣本標(biāo)簽值為1，負(fù)樣本為0。使用logistic函數(shù)的原因是它單調(diào)增，并且值域在(0, 1)之間，剛好符合概率的要求。訓(xùn)練時(shí)采用最大似然估計(jì)，求解對(duì)數(shù)似然函數(shù)的極值： 可以證明這是一個(gè)凸優(yōu)化問題，求解時(shí)可以用梯度下降法，也可以用牛頓法。如果正負(fù)樣本的標(biāo)簽為+1和-1，則可以采用另外一種寫法： 訓(xùn)練時(shí)的目標(biāo)同樣是最大化對(duì)數(shù)似然函數(shù)： 同樣的，這也是一個(gè)凸優(yōu)化問題。預(yù)測(cè)時(shí)并不需要計(jì)算logistic函數(shù)，而是直接計(jì)算： Logistic回歸是一種二分類算法，雖然使用了概率，但它是一種判別模型！另外要注意的是，logistic回歸是一種線性模型，這從它的預(yù)測(cè)函數(shù)就可以看出。它本身不能支持多分類問題，它的擴(kuò)展版本softmax回歸可以解決多分類問題。 ?

K均值算法

K均值算法是一種聚類算法，把樣本分配到離它最近的類中心所屬的類，類中心由屬于這個(gè)類的所有樣本確定。 k均值算法是一種無監(jiān)督的聚類算法。算法將每個(gè)樣本分配到離它最近的那個(gè)類中心所代表的類，而類中心的確定又依賴于樣本的分配方案。 在實(shí)現(xiàn)時(shí)，先隨機(jī)初始化每個(gè)類的類中心，然后計(jì)算樣本與每個(gè)類的中心的距離，將其分配到最近的那個(gè)類，然后根據(jù)這種分配方案重新計(jì)算每個(gè)類的中心。這也是一種分階段優(yōu)化的策略。 與k近鄰算法一樣，這里也依賴于樣本之間的距離，因此需要定義距離的計(jì)算方式，最常用的是歐氏距離，也可以采用其他距離定義。算法在實(shí)現(xiàn)時(shí)要考慮下面幾個(gè)問題： 1.類中心向量的初始化。一般采用隨機(jī)初始化。最簡(jiǎn)單的是Forgy算法，它從樣本集中隨機(jī)選擇k個(gè)樣本作為初始類中心。第二種方案是隨機(jī)劃分，它將所有樣本隨機(jī)的分配給k個(gè)類中的一個(gè)，然后按照這種分配方案計(jì)算各個(gè)類的類中心向量。 2.參數(shù)k的設(shè)定?？梢愿鶕?jù)先驗(yàn)知識(shí)人工指定一個(gè)值，或者由算法自己確定。 3.迭代終止的判定規(guī)則。一般做法是計(jì)算本次迭代后的類中心和上一次迭代時(shí)的類中心之間的距離，如果小于指定閾值，則算法終止。

卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是對(duì)全連接神經(jīng)網(wǎng)絡(luò)的發(fā)展，它使用卷積層，池化層自動(dòng)學(xué)習(xí)各個(gè)尺度上的特征。卷積運(yùn)算為： 在這里需要注意多通道卷積的實(shí)現(xiàn)，它的輸入圖像，卷積核都有多個(gè)通道，分別用各個(gè)通道的卷積核對(duì)輸入圖像的各個(gè)通道進(jìn)行卷積，然后再累加。這里也使用了激活函數(shù)，原因和全連接神經(jīng)網(wǎng)絡(luò)相同。池化運(yùn)算最常見的有均值池化，max池化，分別用均值和最大值代替圖像的一塊矩形區(qū)域。使用池化的原因是為了降維，減小圖像的尺寸，另外，它還帶來了一定程度的平移和旋轉(zhuǎn)的不變性。Max池化是非線性操作，現(xiàn)在用的更多。 ? 對(duì)于經(jīng)典的網(wǎng)絡(luò)結(jié)構(gòu)，包括LeNet-5網(wǎng)絡(luò)，AlexNet，VGG網(wǎng)絡(luò)，GoogLeNet，殘差網(wǎng)絡(luò)等經(jīng)典的網(wǎng)絡(luò)結(jié)構(gòu)，創(chuàng)新點(diǎn)，要熟記于心。 ? 自Alex網(wǎng)絡(luò)出現(xiàn)之后，各種改進(jìn)的卷積網(wǎng)絡(luò)不斷被提出。這些改進(jìn)主要在以下幾個(gè)方面進(jìn)行：卷積層，池化層，激活函數(shù)，損失函數(shù)，網(wǎng)絡(luò)結(jié)構(gòu)。對(duì)于這些典型的改進(jìn)，也要深刻理解。 ? 由于引入了卷積層和池化層，因此反向傳播算法需要為這兩種層進(jìn)行考慮。卷積層誤差項(xiàng)的反向傳播的公式為 根據(jù)誤差項(xiàng)計(jì)算卷積核梯度值的公式為： 如果采用均值池化，池化層的誤差項(xiàng)反向傳播計(jì)算公式為： 如果使用max池化，則為： 注意，池化層沒有需要訓(xùn)練得到的參數(shù)。如果對(duì)卷積神經(jīng)網(wǎng)絡(luò)反向傳播算法的推導(dǎo)感興趣，可以閱讀SIGAI之前的公眾號(hào)文章“反向傳播算法推導(dǎo)-卷積神經(jīng)網(wǎng)絡(luò)”。 ? 卷積神經(jīng)網(wǎng)絡(luò)具有遷移學(xué)習(xí)的能力，我們可以把這個(gè)網(wǎng)絡(luò)的參數(shù)作為訓(xùn)練的初始值，在新的任務(wù)上繼續(xù)訓(xùn)練，這種做法稱為fine-tune，即網(wǎng)絡(luò)微調(diào)。大量的實(shí)驗(yàn)結(jié)果和應(yīng)用結(jié)果證明，這種微調(diào)是有效的。這說明卷積神經(jīng)網(wǎng)絡(luò)在一定程度上具有遷移學(xué)習(xí)的能力，卷積層學(xué)習(xí)到的特征具有通用性。VGG網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上的訓(xùn)練結(jié)果在進(jìn)行微調(diào)之后，被廣泛應(yīng)用于目標(biāo)檢測(cè)、圖像分割等任務(wù)。 ? 和全連接神經(jīng)網(wǎng)絡(luò)一樣，卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)判別模型，它既可以用于分類問題，也可以用用于回歸問題，并且支持多分類問題。 ?

循環(huán)神經(jīng)網(wǎng)絡(luò)

循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有記憶功能的神經(jīng)網(wǎng)絡(luò)，每次計(jì)算時(shí)，利用了上一個(gè)時(shí)刻的記憶值，特別適合序列數(shù)據(jù)分析。網(wǎng)絡(luò)接受的是一個(gè)序列數(shù)據(jù)，即一組向量，依次把它們輸入網(wǎng)絡(luò)，計(jì)算每個(gè)時(shí)刻的輸出值。記憶功能通過循環(huán)神層實(shí)現(xiàn)： 它同時(shí)利用了本時(shí)刻的輸入值和上一個(gè)時(shí)刻的記憶值。輸出層的變換為： 這和普通神經(jīng)網(wǎng)絡(luò)沒什么區(qū)別。由于引入了循環(huán)層，因此反向傳播算法有所不同，稱為BPTT，即時(shí)間軸上的反向傳播算法。算法從最后一個(gè)時(shí)刻算起，沿著時(shí)間軸往前推。誤差項(xiàng)的遞推公式為： 遞推的終點(diǎn)為最后一個(gè)時(shí)刻。 根據(jù)誤差項(xiàng)計(jì)算對(duì)權(quán)重和偏置的梯度值的公式為： 循環(huán)神經(jīng)網(wǎng)絡(luò)同樣存在梯度消失問題，因此出現(xiàn)了LSTM，GRU等結(jié)構(gòu)。 ? 以循環(huán)神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，構(gòu)造出了兩類通用的框架，分別是連接主義時(shí)序分類（CTC），以及序列到序列學(xué)習(xí)（seq2seq）。用于解決語(yǔ)音識(shí)別，自然語(yǔ)言處理中的問題。其中，seq2seq采用了編碼器-解碼器結(jié)構(gòu)，用兩個(gè)循環(huán)神經(jīng)網(wǎng)絡(luò)組合起來完成計(jì)算，一個(gè)充當(dāng)編碼器，一個(gè)充當(dāng)解碼器。 ? 和其他類型的神經(jīng)網(wǎng)絡(luò)一樣，循環(huán)神經(jīng)網(wǎng)絡(luò)是一個(gè)判別模型，既支持分類問題，也支持回歸問題，并且支持多分類問題。 ?

高斯混合模型

高斯混合模型通過多個(gè)正態(tài)分布的加權(quán)和來描述一個(gè)隨機(jī)變量的概率分布，概率密度函數(shù)定義為： 其中x為隨機(jī)向量，k為高斯分布的個(gè)數(shù)，wi為權(quán)重，為高斯分布的均值向量，為協(xié)方差矩陣。所有權(quán)重之和為1，即： 任意一個(gè)樣本可以看作是先從k個(gè)高斯分布中選擇出一個(gè)，選擇第i個(gè)高斯分布的概率為wi，再由第i個(gè)高斯分布產(chǎn)生出這個(gè)樣本數(shù)據(jù)x。高斯混合模型可以逼近任何一個(gè)連續(xù)的概率分布，因此它可以看做是連續(xù)性概率分布的萬能逼近器。之所有要保證權(quán)重的和為1，是因?yàn)楦怕拭芏群瘮?shù)必須滿足在內(nèi)的積分值為1。 ? 指定高斯分布的個(gè)數(shù)，給定一組訓(xùn)練樣本，可以通過期望最大化EM算法確定高斯混合模型的參數(shù)。每次迭代時(shí)，在E步計(jì)算期望值，在M步最大化期望值，如此循環(huán)交替。 ?

EM算法

EM算法是一種迭代法，其目標(biāo)是求解似然函數(shù)或后驗(yàn)概率的極值，而樣本中具有無法觀測(cè)的隱含變量。因?yàn)殡[變量的存在，我們無法直接通過最大化似然函數(shù)來確定參數(shù)的值?？梢圆捎靡环N策略，構(gòu)造出對(duì)數(shù)似然函數(shù)的一個(gè)下界函數(shù)，這個(gè)函數(shù)不含有隱變量，然后優(yōu)化這個(gè)下界。不斷的提高這個(gè)下界，使原問題達(dá)到最優(yōu)解，這就是EM算法所采用的思路。算法的構(gòu)造依賴于Jensen不等式。 算法在實(shí)現(xiàn)時(shí)首先隨機(jī)初始化參數(shù)的值，接下來循環(huán)迭代，每次迭代時(shí)分為兩步： ? E步，基于當(dāng)前的參數(shù)估計(jì)值，計(jì)算在給定x時(shí)對(duì)z的條件概率的數(shù)學(xué)期望： M步，求解如下極值問題，更新的值： 實(shí)現(xiàn)Qi?時(shí)可以按照下面的公式計(jì)算： 迭代終止的判定規(guī)則是相鄰兩次函數(shù)值之差小于指定閾值。需要注意的是，EM算法只能保證收斂到局部極小值。