機器學(xué)習(xí)中防止過擬合方法

過擬合

在進行數(shù)據(jù)挖掘或者機器學(xué)習(xí)模型建立的時候，因為在統(tǒng)計學(xué)習(xí)中，假設(shè)數(shù)據(jù)滿足獨立同分布，即當(dāng)前已產(chǎn)生的數(shù)據(jù)可以對未來的數(shù)據(jù)進行推測與模擬，因此都是使用歷史數(shù)據(jù)建立模型，即使用已經(jīng)產(chǎn)生的數(shù)據(jù)去訓(xùn)練，然后使用該模型去擬合未來的數(shù)據(jù)。但是一般獨立同分布的假設(shè)往往不成立，即數(shù)據(jù)的分布可能會發(fā)生變化（distribution drift），并且可能當(dāng)前的數(shù)據(jù)量過少，不足以對整個數(shù)據(jù)集進行分布估計，因此往往需要防止模型過擬合，提高模型泛化能力。而為了達到該目的的最常見方法便是：正則化，即在對模型的目標(biāo)函數(shù)（objective function）或代價函數(shù)（cost function）加上正則項。
在對模型進行訓(xùn)練時，有可能遇到訓(xùn)練數(shù)據(jù)不夠，即訓(xùn)練數(shù)據(jù)無法對整個數(shù)據(jù)的分布進行估計的時候，或者在對模型進行過度訓(xùn)練（overtraining）時，常常會導(dǎo)致模型的過擬合（overfitting）。如下圖所示：

通過上圖可以看出，隨著模型訓(xùn)練的進行，模型的復(fù)雜度會增加，此時模型在訓(xùn)練數(shù)據(jù)集上的訓(xùn)練誤差會逐漸減小，但是在模型的復(fù)雜度達到一定程度時，模型在驗證集上的誤差反而隨著模型的復(fù)雜度增加而增大。此時便發(fā)生了過擬合，即模型的復(fù)雜度升高，但是該模型在除訓(xùn)練集之外的數(shù)據(jù)集上卻不work。

方法

提前終止（當(dāng)驗證集上的效果變差的時候）

正則化（Regularization）

L1正則化

L2正則化

數(shù)據(jù)集擴增（Data augmentation）

Dropout

1、提前終止

對模型進行訓(xùn)練的過程即是對模型的參數(shù)進行學(xué)習(xí)更新的過程，這個參數(shù)學(xué)習(xí)的過程往往會用到一些迭代方法，如梯度下降（Gradient descent）學(xué)習(xí)算法。Early stopping便是一種迭代次數(shù)截斷的方法來防止過擬合的方法，即在模型對訓(xùn)練數(shù)據(jù)集迭代收斂之前停止迭代來防止過擬合。
Early stopping方法的具體做法是，在每一個Epoch結(jié)束時（一個Epoch集為對所有的訓(xùn)練數(shù)據(jù)的一輪遍歷）計算validation data的accuracy，當(dāng)accuracy不再提高時，就停止訓(xùn)練。這種做法很符合直觀感受，因為accurary都不再提高了，在繼續(xù)訓(xùn)練也是無益的，只會提高訓(xùn)練的時間。那么該做法的一個重點便是怎樣才認為validation accurary不再提高了呢？并不是說validation accuracy一降下來便認為不再提高了，因為可能經(jīng)過這個Epoch后，accuracy降低了，但是隨后的Epoch又讓accuracy又上去了，所以不能根據(jù)一兩次的連續(xù)降低就判斷不再提高。一般的做法是，在訓(xùn)練的過程中，記錄到目前為止最好的validation accuracy，當(dāng)連續(xù)10次Epoch（或者更多次）沒達到最佳accuracy時，則可以認為accuracy不再提高了。此時便可以停止迭代了（Early Stopping）。這種策略也稱為“No-improvement-in-n”，n即Epoch的次數(shù)，可以根據(jù)實際情況取，如10、20、30……

2、數(shù)據(jù)集擴增

在數(shù)據(jù)挖掘領(lǐng)域流行著這樣的一句話，“有時候往往擁有更多的數(shù)據(jù)勝過一個好的模型”。因為我們在使用訓(xùn)練數(shù)據(jù)訓(xùn)練模型，通過這個模型對將來的數(shù)據(jù)進行擬合，而在這之間又一個假設(shè)便是，訓(xùn)練數(shù)據(jù)與將來的數(shù)據(jù)是獨立同分布的。即使用當(dāng)前的訓(xùn)練數(shù)據(jù)來對將來的數(shù)據(jù)進行估計與模擬，而更多的數(shù)據(jù)往往估計與模擬地更準(zhǔn)確。因此，更多的數(shù)據(jù)有時候更優(yōu)秀。但是往往條件有限，如人力物力財力的不足，而不能收集到更多的數(shù)據(jù)，如在進行分類的任務(wù)中，需要對數(shù)據(jù)進行打標(biāo)，并且很多情況下都是人工得進行打標(biāo)，因此一旦需要打標(biāo)的數(shù)據(jù)量過多，就會導(dǎo)致效率低下以及可能出錯的情況。所以，往往在這時候，需要采取一些計算的方式與策略在已有的數(shù)據(jù)集上進行手腳，以得到更多的數(shù)據(jù)。
通俗得講，數(shù)據(jù)機擴增即需要得到更多的符合要求的數(shù)據(jù)，即和已有的數(shù)據(jù)是獨立同分布的，或者近似獨立同分布的。一般有以下方法：

從數(shù)據(jù)源頭采集更多數(shù)據(jù)

復(fù)制原有數(shù)據(jù)并加上隨機噪聲

重采樣

根據(jù)當(dāng)前數(shù)據(jù)集估計數(shù)據(jù)分布參數(shù)，使用該分布產(chǎn)生更多數(shù)據(jù)等

如圖像處理：

圖像平移。這種方法可以使得網(wǎng)絡(luò)學(xué)習(xí)到平移不變的特征。

圖像旋轉(zhuǎn)。學(xué)習(xí)旋轉(zhuǎn)不變的特征。有些任務(wù)里，目標(biāo)可能有多種不同的姿態(tài)，旋轉(zhuǎn)正好可以彌補樣本中姿態(tài)較少的問題。

圖像鏡像。和旋轉(zhuǎn)的功能類似。

圖像亮度變化。甚至可以用直方圖均衡化。

裁剪。

縮放。

圖像模糊。用不同的模板卷積產(chǎn)生模糊圖像。

3、正則化

正則化方法是指在進行目標(biāo)函數(shù)或代價函數(shù)優(yōu)化時，在目標(biāo)函數(shù)或代價函數(shù)后面加上一個正則項，一般有L1正則與L2正則等。

3.1、L1正則

在原始的代價函數(shù)后面加上一個L1正則化項，即所有權(quán)重w的絕對值的和，乘以λ/n（這里不像L2正則化項那樣，需要再乘以1/2。）

同樣先計算導(dǎo)數(shù)：

上式中sgn(w)表示w的符號。那么權(quán)重w的更新規(guī)則為：

比原始的更新規(guī)則多出了η * λ * sgn(w)/n這一項。當(dāng)w為正時，更新后的w變小。當(dāng)w為負時，更新后的w變大——因此它的效果就是讓w往0靠，使網(wǎng)絡(luò)中的權(quán)重盡可能為0，也就相當(dāng)于減小了網(wǎng)絡(luò)復(fù)雜度，防止過擬合。

另外，上面沒有提到一個問題，當(dāng)w為0時怎么辦？當(dāng)w等于0時，|W|是不可導(dǎo)的，所以我們只能按照原始的未經(jīng)正則化的方法去更新w，這就相當(dāng)于去掉η*λ*sgn(w)/n這一項，所以我們可以規(guī)定sgn(0)=0，這樣就把w=0的情況也統(tǒng)一進來了。（在編程的時候，令sgn(0)=0,sgn(w>0)=1,sgn(w<0)=-1）

3.2、L2正則化

L2正則化就是在代價函數(shù)后面再加上一個正則化項：

C0代表原始的代價函數(shù)，后面那一項就是L2正則化項，它是這樣來的：所有參數(shù)w的平方的和，除以訓(xùn)練集的樣本大小n。λ就是正則項系數(shù)，權(quán)衡正則項與C0項的比重。另外還有一個系數(shù)1/2，1/2經(jīng)常會看到，主要是為了后面求導(dǎo)的結(jié)果方便，后面那一項求導(dǎo)會產(chǎn)生一個2，與1/2相乘剛好湊整。

L2正則化項是怎么避免overfitting的呢？我們推導(dǎo)一下看看，先求導(dǎo)：

可以發(fā)現(xiàn)L2正則化項對b的更新沒有影響，但是對于w的更新有影響:

在不使用L2正則化時，求導(dǎo)結(jié)果中w前系數(shù)為1，現(xiàn)在w前面系數(shù)為 1?ηλ/n ，因為η、λ、n都是正的，所以 1?ηλ/n小于1，它的效果是減小w，這也就是權(quán)重衰減（weight decay）的由來。當(dāng)然考慮到后面的導(dǎo)數(shù)項，w最終的值可能增大也可能減小。

另外，需要提一下，對于基于mini-batch的隨機梯度下降，w和b更新的公式跟上面給出的有點不同：

對比上面w的更新公式，可以發(fā)現(xiàn)后面那一項變了，變成所有導(dǎo)數(shù)加和，乘以η再除以m，m是一個mini-batch中樣本的個數(shù)。

到目前為止，我們只是解釋了L2正則化項有讓w“變小”的效果，但是還沒解釋為什么w“變小”可以防止overfitting？一個所謂“顯而易見”的解釋就是：更小的權(quán)值w，從某種意義上說，表示網(wǎng)絡(luò)的復(fù)雜度更低，對數(shù)據(jù)的擬合剛剛好（這個法則也叫做奧卡姆剃刀），而在實際應(yīng)用中，也驗證了這一點，L2正則化的效果往往好于未經(jīng)正則化的效果。當(dāng)然，對于很多人（包括我）來說，這個解釋似乎不那么顯而易見，所以這里添加一個稍微數(shù)學(xué)一點的解釋（引自知乎）：

過擬合的時候，擬合函數(shù)的系數(shù)往往非常大，為什么？如下圖所示，過擬合，就是擬合函數(shù)需要顧忌每一個點，最終形成的擬合函數(shù)波動很大。在某些很小的區(qū)間里，函數(shù)值的變化很劇烈。這就意味著函數(shù)在某些小區(qū)間里的導(dǎo)數(shù)值（絕對值）非常大，由于自變量值可大可小，所以只有系數(shù)足夠大，才能保證導(dǎo)數(shù)值很大。

而正則化是通過約束參數(shù)的范數(shù)使其不要太大，所以可以在一定程度上減少過擬合情況。

4、Dropout

L1、L2正則化是通過修改代價函數(shù)來實現(xiàn)的，而Dropout則是通過修改神經(jīng)網(wǎng)絡(luò)本身來實現(xiàn)的，它是在訓(xùn)練網(wǎng)絡(luò)時用的一種技巧（trike）。它的流程如下：

假設(shè)我們要訓(xùn)練上圖這個網(wǎng)絡(luò)，在訓(xùn)練開始時，我們隨機地“刪除”一半的隱層單元，視它們?yōu)椴淮嬖?，得到如下的網(wǎng)絡(luò)：

保持輸入輸出層不變，按照BP算法更新上圖神經(jīng)網(wǎng)絡(luò)中的權(quán)值（虛線連接的單元不更新，因為它們被“臨時刪除”了）。

以上就是一次迭代的過程，在第二次迭代中，也用同樣的方法，只不過這次刪除的那一半隱層單元，跟上一次刪除掉的肯定是不一樣的，因為我們每一次迭代都是“隨機”地去刪掉一半。第三次、第四次……都是這樣，直至訓(xùn)練結(jié)束。

以上就是Dropout，它為什么有助于防止過擬合呢？可以簡單地這樣解釋，運用了dropout的訓(xùn)練過程，相當(dāng)于訓(xùn)練了很多個只有半數(shù)隱層單元的神經(jīng)網(wǎng)絡(luò)（后面簡稱為“半數(shù)網(wǎng)絡(luò)”），每一個這樣的半數(shù)網(wǎng)絡(luò)，都可以給出一個分類結(jié)果，這些結(jié)果有的是正確的，有的是錯誤的。隨著訓(xùn)練的進行，大部分半數(shù)網(wǎng)絡(luò)都可以給出正確的分類結(jié)果，那么少數(shù)的錯誤分類結(jié)果就不會對最終結(jié)果造成大的影響。