紅色石頭的個人網站：redstonewill.com

上一節課，我們介紹了Logistic Regression問題，建立cross-entropy error，并提出使用梯度下降算法gradient descnt來獲得最好的logistic hypothesis。本節課繼續介紹使用線性模型來解決分類問題。

一、Linear Models for Binary Classification

之前介紹幾種線性模型都有一個共同點，就是都有樣本特征x的加權運算，我們引入一個線性得分函數s：

s=wTxs=wTx

三種線性模型，第一種是linear classification。線性分類模型的hypothesis為h(x)=sign(s)h(x)=sign(s),取值范圍為{-1,+1}兩個值，它的err是0/1的，所以對應的Ein(w)Ein(w)是離散的，并不好解，這是個NP-hard問題。第二種是linear regression。線性回歸模型的hypothesis為h(x)=sh(x)=s，取值范圍為整個實數空間，它的err是squared的，所以對應的Ein(w)Ein(w)是開口向上的二次曲線，其解是closed-form的，直接用線性最小二乘法求解即可。第三種是logistic regression。邏輯回歸模型的hypothesis為h(x)=θ(s)h(x)=θ(s)，取值范圍為(-1,1)之間，它的err是cross-entropy的，所有對應的Ein(w)Ein(w)是平滑的凸函數，可以使用梯度下降算法求最小值。

從上圖中，我們發現，linear regression和logistic regression的error function都有最小解。那么可不可以用這兩種方法來求解linear classification問題呢？下面，我們來對這三種模型的error function進行分析，看看它們之間有什么聯系。

對于linear classification，它的error function可以寫成：

err0/1(s,y)=|sign(s)≠y|=|sign(ys)≠1|err0/1(s,y)=|sign(s)≠y|=|sign(ys)≠1|
對于linear regression，它的error function可以寫成：
errSQR(s,y)=(s?y)2=(ys?1)2errSQR(s,y)=(s?y)2=(ys?1)2
對于logistic regression，它的error function可以寫成：
errCE(s,y)=ln(1+exp(?ys))errCE(s,y)=ln(1+exp(?ys))
上述三種模型的error function都引入了ys變量，那么ys的物理意義是什么？ys就是指分類的正確率得分，其值越大越好，得分越高。

下面，我們用圖形化的方式來解釋三種模型的error function到底有什么關系：

從上圖中可以看出，ys是橫坐標軸，err0/1err0/1是呈階梯狀的，在ys>0時，err0/1err0/1恒取最小值0。errSQRerrSQR呈拋物線形式，在ys=1時，取得最小值，且在ys=1左右很小區域內，err0/1err0/1和errSQRerrSQR近似。errCEerrCE是呈指數下降的單調函數，ys越大，其值越小。同樣在ys=1左右很小區域內，err0/1err0/1和errCEerrCE近似。但是我們發現errCEerrCE并不是始終在err0/1err0/1之上，所以為了計算討論方便，我們把errCEerrCE做幅值上的調整，引入errSCE=log2(1+exp(?ys))=1ln2errCEerrSCE=log2(1+exp(?ys))=1ln2errCE，這樣能保證errSCEerrSCE始終在err0/1err0/1上面，如下圖所示：

由上圖可以看出：

err0/1(s,y)≤errSCE(s,y)=1ln2errCE(s,y)err0/1(s,y)≤errSCE(s,y)=1ln2errCE(s,y)
E0/1in(w)≤ESCEin(w)=1ln2ECEin(w)Ein0/1(w)≤EinSCE(w)=1ln2EinCE(w)
E0/1out(w)≤ESCEout(w)=1ln2ECEout(w)Eout0/1(w)≤EoutSCE(w)=1ln2EoutCE(w)
那么由VC理論可以知道：
從0/1出發：
E0/1out(w)≤E0/1in(w)+Ω0/1≤1ln2ECEin(w)+Ω0/1Eout0/1(w)≤Ein0/1(w)+Ω0/1≤1ln2EinCE(w)+Ω0/1
從CE出發：
E0/1out(w)≤1ln2ECEout(w)≤1ln2ECEin(w)+1ln2ΩCEEout0/1(w)≤1ln2EoutCE(w)≤1ln2EinCE(w)+1ln2ΩCE

通過上面的分析，我們看到err 0/1是被限定在一個上界中。這個上界是由logistic regression模型的error function決定的。而linear regression其實也是linear classification的一個upper bound，只是隨著sy偏離1的位置越來越遠，linear regression的error function偏差越來越大。綜上所述，linear regression和logistic regression都可以用來解決linear classification的問題。

下圖列舉了PLA、linear regression、logistic regression模型用來解linear classification問題的優點和缺點。通常，我們使用linear regression來獲得初始化的w0w0，再用logistic regression模型進行最優化解。

二、Stochastic Gradient Descent

之前介紹的PLA算法和logistic regression算法，都是用到了迭代操作。PLA每次迭代只會更新一個點，它每次迭代的時間復雜度是O(1)；而logistic regression每次迭代要對所有N個點都進行計算，它的每時間復雜度是O(N)。為了提高logistic regression中gradient descent算法的速度，可以使用另一種算法：隨機梯度下降算法(Stochastic Gradient Descent)。

隨機梯度下降算法每次迭代只找到一個點，計算該點的梯度，作為我們下一步更新w的依據。這樣就保證了每次迭代的計算量大大減小，我們可以把整體的梯度看成這個隨機過程的一個期望值。

隨機梯度下降可以看成是真實的梯度加上均值為零的隨機噪聲方向。單次迭代看，好像會對每一步找到正確梯度方向有影響，但是整體期望值上看，與真實梯度的方向沒有差太多，同樣能找到最小值位置。隨機梯度下降的優點是減少計算量，提高運算速度，而且便于online學習；缺點是不夠穩定，每次迭代并不能保證按照正確的方向前進，而且達到最小值需要迭代的次數比梯度下降算法一般要多。

對于logistic regression的SGD，它的表達式為：

wt+1←wt+ηθ(?ynwTtxn)(ynxn)wt+1←wt+ηθ(?ynwtTxn)(ynxn)

我們發現，SGD與PLA的迭代公式有類似的地方，如下圖所示：

我們把SGD logistic regression稱之為’soft’ PLA，因為PLA只對分類錯誤的點進行修正，而SGD logistic regression每次迭代都會進行或多或少的修正。另外，當η=1η=1，且wTtxnwtTxn足夠大的時候，PLA近似等于SGD。

除此之外，還有兩點需要說明：1、SGD的終止迭代條件。沒有統一的終止條件，一般讓迭代次數足夠多；2、學習速率ηη。ηη的取值是根據實際情況來定的，一般取值0.1就可以了。

三、Multiclass via Logistic Regression

之前我們一直講的都是二分類問題，本節主要介紹多分類問題，通過linear classification來解決。假設平面上有四個類，分別是正方形、菱形、三角形和星形，如何進行分類模型的訓練呢？

首先我們可以想到這樣一個辦法，就是先把正方形作為正類，其他三種形狀都是負類，即把它當成一個二分類問題，通過linear classification模型進行訓練，得出平面上某個圖形是不是正方形，且只有{-1,+1}兩種情況。然后再分別以菱形、三角形、星形為正類，進行二元分類。這樣進行四次二分類之后，就完成了這個多分類問題。

但是，這樣的二分類會帶來一些問題，因為我們只用{-1，+1}兩個值來標記，那么平面上某些可能某些區域都被上述四次二分類模型判斷為負類，即不屬于四類中的任何一類；也可能會出現某些區域同時被兩個類甚至多個類同時判斷為正類，比如某個區域又判定為正方形又判定為菱形。那么對于這種情況，我們就無法進行多類別的準確判斷，所以對于多類別，簡單的binary classification不能解決問題。

針對這種問題，我們可以使用另外一種方法來解決：soft軟性分類，即不用{-1，+1}這種binary classification，而是使用logistic regression，計算某點屬于某類的概率、可能性，去概率最大的值為那一類就好。

soft classification的處理過程和之前類似，同樣是分別令某類為正，其他三類為負，不同的是得到的是概率值，而不是{-1，+1}。最后得到某點分別屬于四類的概率，取最大概率對應的哪一個類別就好。效果如下圖所示：

這種多分類的處理方式，我們稱之為One-Versus-All(OVA) Decomposition。這種方法的優點是簡單高效，可以使用logistic regression模型來解決；缺點是如果數據類別很多時，那么每次二分類問題中，正類和負類的數量差別就很大，數據不平衡unbalanced，這樣會影響分類效果。但是，OVA還是非常常用的一種多分類算法。

四、Multiclass via Binary Classification

上一節，我們介紹了多分類算法OVA，但是這種方法存在一個問題，就是當類別k很多的時候，造成正負類數據unbalanced，會影響分類效果，表現不好。現在，我們介紹另一種方法來解決當k很大時，OVA帶來的問題。

這種方法呢，每次只取兩類進行binary classification，取值為{-1，+1}。假如k=4，那么總共需要進行C24=6C42=6次binary classification。那么，六次分類之后，如果平面有個點，有三個分類器判斷它是正方形，一個分類器判斷是菱形，另外兩個判斷是三角形，那么取最多的那個，即判斷它屬于正方形，我們的分類就完成了。這種形式就如同k個足球對進行單循環的比賽，每場比賽都有一個隊贏，一個隊輸，贏了得1分，輸了得0分。那么總共進行了C2kCk2次的比賽，最終取得分最高的那個隊就可以了。

這種區別于OVA的多分類方法叫做One-Versus-One(OVO)。這種方法的優點是更加高效，因為雖然需要進行的分類次數增加了，但是每次只需要進行兩個類別的比較，也就是說單次分類的數量減少了。而且一般不會出現數據unbalanced的情況。缺點是需要分類的次數多，時間復雜度和空間復雜度可能都比較高。

五、總結

本節課主要介紹了分類問題的三種線性模型：linear classification、linear regression和logistic regression。首先介紹了這三種linear models都可以來做binary classification。然后介紹了比梯度下降算法更加高效的SGD算法來進行logistic regression分析。最后講解了兩種多分類方法，一種是OVA，另一種是OVO。這兩種方法各有優缺點，當類別數量k不多的時候，建議選擇OVA，以減少分類次數。

注明：

文章中所有的圖片均來自臺灣大學林軒田《機器學習基石》課程

關注公眾號并輸入關鍵字“jspdf”獲得該筆記的pdf文件哦～

更多AI資源請關注公眾號：紅色石頭的機器學習之路（ID：redstonewill）

總結

以上是生活随笔為你收集整理的台湾大学林轩田机器学习基石课程学习笔记11 -- Linear Models for Classification的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。