林轩田机器学习基石2：学习回答Yes/No（Learning to Answer Yes/No）

本文主要是介绍林轩田机器学习基石2：学习回答Yes/No（Learning to Answer Yes/No），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

欢迎关注公众号-AI圈终身学习。
公众号首页回复“机器学习”查看所有系列文章。

上节林老师讲了机器学习的定义与流程：

总结就是：训练数据D在演算法A的观察学习下，从假设集合H中，选择出最好的一个假设h得到最终的模型函数g。

本节笔记Lecture 2-Learning to Answer Yes/No包含内容如下：

When Can Machines Learn?(什么时候用机器学习)
- 感知器假设集(Perceptron Hypothesis Set)
- 感知器演算法(Perceptron Learning Algorithm(PLA))
- PLA保证(Guarantee of PLA)
- 线性不可分数据(Non-Separable Data)

一、感知器假设集(Perceptron Hypothesis Set)

1.1 例子

本节依旧使用上文的信用卡例子，即银行需要根据用户数据来判断是否给其发信用卡。假设用户有性别、年龄、薪水、负债、工龄等属性：

我们有许多人这样的数据，这些数据组成数据集，记为D。现在的问题就变成根据D，用演算法A从假设集合H取选出最好的一个假设h，得到h对应的模型函数g，如下图：

那么什么假设集我们可以用呢？本文讲解一个简单但是重要的假设集：感知器(Perceptron)。

1.2 感知器假设集

我们记用户数据的属性集合为 $X=(x_1,x_2,...,x_d)$ ，他有对应的权重集合 $W=(w_1,w_2,...,w_d)$ (这就是一个假设集)表示属性的重要程度，越重要的属性x，其对应的权重w越大。通过特征的加权求和得分结果 $W^TX$ ，比较得分结果与阈值大小：

得分结果>阈值，发信用卡。
得分结果<阈值，不发信用卡。

最终的感知器假设集就是h(x)，公式如下：

通常我们不会专门写一个门槛值，为了表述方便，通常会用 $w_0=-threshold$ 表示阈值，引入 $x_0=1与w_0$ 相乘，最终可以简化成如下写法：

1.3 感知器的形状

在二维平面上，感知器公式展开为 $h(x)=sign(w_0+w_1x_1+w_2x_2)$ ，可以看到下面的图有圈(表示+1)和叉(表示-1)，中间将他们分开的线就是感知器划分线，这条线为 $w_0+w_1x_1+w_2x_2=0$ ：

感知器又将线性分类器(linear classifiers)，它不一定局限于二维平面，所有满足 $W^TX=0$ 形式的模型，都可以叫线性分类器。

我们的假设集合H就表示二维平面所有的线，那么我们的演算法A就需要从所有的H中选择出最好的一个假设。如果我们细心会发现上图中经过演算法更新后，右边的线分类效果明显优于左边的线。

二、感知器演算法(Perceptron Learning Algorithm(PLA))

2.1 PLA原理

我们已经知道，在二维平面里，感知器演算法的核心目的就是从无数条线中找出最合适的一条线，把数据分开。一开始我们随机初始化一条分割线，演算法的步骤只有两步：

遍历找出犯错的点
用犯错的点做修正

找出犯错的点比较容易，如果感知机计算出来的值和标签不一致即为犯错点。

修正过程林老师用图进行了讲解：

若正例识别成负，此时 $y_{n}W^{T}x_{n} \leq 0$ ，推出 $W^{T}x_{n} \leq 0$ 。根据高中数学可知，向量W和向量 $x_n$ 的夹角大于90°，我们通过 $W=W+x_n$ 旋转修正这个W，使得 $W和x_n$ 夹角小于90°，如下图，紫色线表示修正后的结果:

若负例识别成正，此时 $y_{n}W^{T}x_{n} \leq 0$ ，推出 $W^{T}x_{n} \geq 0$ 。根据高中数学可知，向量W和向量 $x_n$ 的夹角小于90°，我们通过 $W=W-x_n$ 旋转修正W，使得 $W和x_n$ 夹角大于90°，如下图，紫色线表示修正后的结果:

这里需要注意W表示感知器分割线 $W^TX=0$ 的法向量，法向量所指的方向即为正。

通常我们要遍历所有的点进行修正，所以具体实现的算法又叫Cyclic PLA(Perceptron Learning Algorithm)算法，记不住我也觉得不重要。

2.2 PLA过程可视化

林老师讲解了一个动态更新的过程，假设初始化 $W = 0$ ，这个时候感知器就在原点:

这个时候它看哪个点都是错的，所以根据图中第一个黑点 $x_1$ 更新W，紫色的线为法向量W，当前时刻为t，t+1就表示更新后的权重:

根据法向量W可以画出一条垂直于W的分割线 $W^TX=0$ ，发现第九个点正类分到了负类，旋转更新红色的W(t)为紫色的W(t+1)：

然后不断循环：

…

最后更新完成，这是一条完美的分割线。

2.3 思考为什么PLA有效

根据PLA的更新规则:

请思考下面哪条公式一定是对的：

答案是第③条，我们只要在更新公式 $W_{t+1}=W_{t}+y_nx_n$ 两边同时乘以 $y_nx_n$ 即可得到③式。这个式子一定程度上说明了PLA的有效性。下面给出两个例子:

假设我们一条正例被识别成了负例，此时有:

$y_n = 1$

所以有:

$w^T_{t}x_n$ < 0
$w^T_{t+1}x_n \geq w^T_{t}x_n$

也就是它每次更新尝试把感知器的得分和，从负修改为正，说明它在努力修改错误。

同理假设我们一条负例被识别成了正例，此时有:

$y_n = -1$

所以有:

$w^T_{t}x_n$ > 0
$w^T_{t+1}x_n \leq w^T_{t}x_n$

也就是它每次更新尝试把感知器的得分和，从正修改为负，说明它也在努力修改错误。

三、PLA数学保证(Guarantee of PLA)

现在我们关心两个问题：

PLA总是可停的吗？
PLA何时才停？

3.1 PLA总是可停的吗？

PLA可停需要对数据集有要求。

如果PLA停止了，则对于感知器来说，所有点都没有错误了，这样的数据集我们叫线性可分的，比如下图:

对于左边的图是线性可分的。但是中间的图有一个圆圈在红叉的区域，右边的图是一个圆，PLA都没法停止。

3.2 PLA何时才停？

本节主要讲PLA的两点：收敛性和有效性。

对于线性可分的数据集，一定存在一个完美但是我们不可知的 $W_f$ ，使得这条线完美的划分所有数据
$y_n=sign(W_f^Tx_n)$

那么对于所有的点一定满足：

所有的点被划分在正确的区域
到这点线的距离一定是大于0的

因此有:

PLA每次是通过错误的点 $x_n, y_n)$ 来修正 $W_t$ ，如果 $W_t离W_f$ 越来越接近，那么就证明了PLA的有效性，数学上可以用内积表示两个向量的相似性：

通过推导可以发现每一次更新他们的内积越来越大，但是并不一定他们越来越相近，因为这可能有两种情况：

向量夹角变小
向量模长变大

实际上，每次PLA修正都是因为出现了错误的点，可以证明 $W_t$ 的模长增长不会太快。对于错误的点有：

根据PLA的增长公式 $W_{t+1}=W_t+y_nx_n$ ，两边平方有：

也就是说 $W_t||$ 的增长项只有 $\underset{n}{\operatorname{max}}||x_n||$ ，每次变化有所限制。

作业：初始化 $W_0=0$ ，PLA修正T次后，可以证明：

$\cfrac{w_f^T}{||w_f||}\cfrac{w_T^T}{||w_T||}\geq \sqrt{T}constant$

请计算constant是什么。

证明如下：

所以 $constant=\cfrac{\underset{n}{\operatorname{min}}y_nw^T_fx_n}{||w_f||\underset{n}{\operatorname{max}}||x_n||}$
又因为 $\geq \cfrac{w_f^T}{||w_f||}\cfrac{w_T^T}{||w_T||}\geq \sqrt{T}constant$