机器学习笔记(2) —— 生成模型(概率模型)

前言

笔者一直在ipad上做手写笔记，最近突然想把笔记搬到博客上来，也就有了下面这些。因为本是给自己看的笔记，所以内容很简陋，只是提了一些要点。随缘更新。

正文

生成模型和判别模型的区别

• 生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。
• 判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。

引用知乎上我看到的一个举例，要确定一个羊是山羊还是绵羊

• 用判别模型的方法是从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。
• 利用生成模型是根据山羊的特征首先学习出一个山羊的模型，然后根据绵羊的特征学习出一个绵羊的模型，然后从这只羊中提取特征，放到山羊模型中看概率是多少，在放到绵羊模型中看概率是多少，哪个大就是哪个。

为什么不使用回归模型

1. 分类问题也是确定一条线，将我们要分类的数据集分成若干种。分类问题应该是这条线将两边的模型分得越开越好，但是如果我们采用回归模型去确定这条线，回归模型的loss function是计算点到线的距离的平方和，那距离越远loss function的值越大，那和我们的意愿就背道而驰了。所以我们如果把分类问题应回归模型硬解，会得不到一个好的模型。例如下图中绿线是我们想要得到的，但是紫线是回归模型所认为的最佳的模型。
   

2. 在多分类问题中，类别1设为1，类别2设为2，类别3设为3，如果采用回归模型，会认为1、2或2、3比较接近，但实际上并没有这种关系的存在，这会导致我们的model出现问题。

生成模型 —— 后验概率

高斯分布

$f_{\mu ,\Sigma }=\frac {1}{( 2\pi ) ^{\frac {D}{2}}} \dfrac {1}{\left| \Sigma \right| ^{\frac {1}{2}}}\exp[-\dfrac {1}{2}\left( x-\mu \right) ^{T}\Sigma ^{-1}\left( x- \mu \right)]$

• $\mu$ 为均值向量
• $\Sigma$ 为方差矩阵
• $D$ 为 $x$ 的维数
  这是一个概率密度函数，简单的说可以把它看成一个function，输入 $x$ 输出 $x$ 的概率(当然这不是概率，但和概率成正比)。

分类模型(Step1：build model)

$C_1=$ { 种类一 }， $C_2=$ { 种类二 }
$P(C_1|x)=\frac{P(x|C_1)P(C_1)}{P(x|C_1)P(C_1)+P(x|C_2)P(C_2)}$

• $P(x|C_1)=f_{\mu^1 ,\Sigma^1 }$
• $P(x|C_2)=f_{\mu^2 ,\Sigma^2 }$
  需要求解出两组 $\mu,\Sigma$

最大似然估计

假设有 $n$ 个点， $L(\mu,\Sigma)=f_{\mu,\Sigma}(x_1)f_{\mu,\Sigma}(x_2)...f_{\mu,\Sigma}(x_n)$ 是生成这些点的概率(说成概率更容易理解)，也成为样本的似然函数。
为使得 $L(\mu,\Sigma)$ 最大的 $L(\mu,\Sigma)$ 记为 $(\mu^*,\Sigma^*)$，即所有 $L(\mu,\Sigma)$ 的最大似然估计。
我们的目标是使生成这些的点概率最大，即我们要求 $(\mu^*,\Sigma^*)$

总结一下：极大似然估计就是先假设生成数据（数据分布）的模型已知（比如高斯分布），但是模型的具体参数不知（不知道高斯分布中的均值和标准差），通过已有的数据，进行参数的推断求解，使得该模型（高斯分布）生成已有观测数据的可能性最大。

目标函数(Step2：Goodness of function)

$\arg \max _{\mu ,\Sigma } L(\mu ,\Sigma )$

求解(Step3：the best function)

利用微分等于0，易得：
$\mu^* = \frac{1}{n}\sum ^{n}_{i=1}x_i$
$\Sigma^*=\frac{1}{n}\sum^{n}_{i=1}(x_i-\mu^*)(x_i-\mu^*)^T$

模型优化(协方差)

我们通常不会给每个高斯分布都去计算一套不同的最大似然估计， $\Sigma$ 和输入的feature成平方关系，当平方很大时， $\Sigma$ 就会变的非常巨大，一是计算时间太长，二是容易过拟合。因此我们给每个高斯分布相同的 $\Sigma$。

公式转变为(以二分类为例)：
$\arg \max _{\mu_1, \mu_2 ,\Sigma } L(\mu_1,\mu_2 ,\Sigma )$

• $L(\mu^1,\mu^2,\Sigma)=f_{\mu^1,\Sigma}(x_1)...f_{\mu,\Sigma}(x_n)*f_{\mu^2,\Sigma}(x_{n+1})...f_{\mu^2,\Sigma}(x_{n+m})$

求解：

• $\mu_1,\mu_2$ 和原先一致
  $\mu_1 = \frac{1}{n}\sum ^{n}_{i=1}x_i$
  $\mu_2 = \frac{1}{n}\sum ^{n+m}_{i=n+1}x_i$
• $\Sigma$ 为二者加权平均
  $\Sigma=\frac{n}{m+n}\Sigma_1+\frac{m}{n+m}\Sigma_2$

优化过后的分类曲线变成了线性的

一个合适的概率分布模型

你可能会问为什么用高斯分布，用李宏毅老师的话来说就是，如果我用别的分布模型你也会问同样的问题。
别的分布模型当然可以使用，例如二分类问题我们可以使用伯努利分布。高斯分布更加通用、普遍，所以我们在此用是用高斯分布举例，并不是一定要用高斯分布。

后验概率公式推导

$P(C_1|x)=\frac{P(x|C_1)P(C_1)}{P(x|C_1)P(C_1)+P(x|C_2)P(C_2)}$
经过处理你会发现这是一个关于 $z$ 的sigmiod函数（这下知道Sigmoid函数是哪来的吧）
$=\dfrac {1}{1+\dfrac {p\left( x|C_2 \right) P\left( C_2\right) }{p\left( x/C_{1}\right) p\left( C_{1}\right) }}=\frac{1}{1+exp(z)}=\sigma(z)$

$z=ln\frac{P(x|C_1)P(C_1)}{P(x|C_2)P(C_2)}$

然后一同操作猛如虎，公式我就不打了，太长了，估计你们也没有兴趣看。反正最后得到
$z=(\mu_1-\mu_2)^T\Sigma^{-1}x-\frac{1}{2}(\mu_1)^T\mu_1+\frac{1}{2}(\mu_2)^T\Sigma^{-1}\mu_2+ln\frac{n}{m}$
我们令

• $w=(\mu_1-\mu_2)^T\Sigma^{-1}$
• $b=\frac{1}{2}(\mu_1)^T\mu_1+\frac{1}{2}(\mu_2)^T\Sigma^{-1}\mu_2+ln\frac{n}{m}$

$w$ 和 $b$ 都是常数，也就是说，最后我们得到的后验模型是个线性模型。

后记

其实判别模型和生成模型应该一起讲的，因为这两个模型的推到思路是连贯的。但是实在太长了，就先把生成模型写出来了，判别模型改天再写。