机器学习——损失函数，风险函数，误差，模型选择方法

损失函数

监督学习问题是在假设空间 $\mathcal{F}$ 中选取模型 $f$ 作为决策函数，对于给定的输入 $X$，由 $f(X)$ 给出相应的输出 $Y$，这个输出的预测值 $f(X)$ 与真实值 $Y$ 可能一致也可能不一致，用一个损失函数或代价函数来度量预测错误的程度。损失函数是 $f(X)$ 和 $Y$ 的非负实值函数，记作 $L(Y,f(X))$。

常用的损失函数有以下几种：

0-1 损失函数

$$L(Y,f(X))=\{\begin{array}{l}1,Y̸=f(X)\\ 0,Y=f(X)\end{array}$$

平方损失函数

$$L(Y,f(X))=(Y-f(X){)}^2$$

绝对损失函数

$$L(Y,f(X))=|Y-f(X)|$$

对数损失函数（对数似然损失函数）

$$L(Y,f(X))=-\log P(Y|X)$$
损失函数值越小，模型就越好。由于模型的输入、输出 $(X,Y)$ 是随机变量，遵循联合分布 $P(X,Y)$，所以损失函数的期望是：
$$R_{exp}(f)=E_p[L(Y,f(X))]={\int }_{\mathcal{X}\times \mathcal{Y}}L(y,f(x))P(x,y)dxdy$$这是理论上模型 $f(X)$ 关于联合分布 $P(X,Y)$ 的平均意义下的损失，称为风险函数或期望损失。学习的目标就是选择期望风险最小的模型。

风险函数

经验风险

给定一个训练数据集
T = { ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x N , y N ) } T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\} T={(x1​,y1​),(x2​,y2​),...,(xN​,yN​)}模型 $f(X)$ 关于训练数据集的平均损失称为经验风险或经验损失，记作 $R_{emp}$：
$$R_{emp}(f)=\frac{1}{N}\sum _{i=1}^{N}L(y_i,f(x_i))$$期望风险 $R_{exp}(f)$ 是模型关于联合分布的期望损失，经验风险 $R_{emp}(f)$ 是模型关于训练样本集的平均损失。根据大数定律，当样本容量 $N$ 趋于无穷时，经验风险 $R_{emp}(f)$ 趋于期望风险 $R_{exp}(f)$。

结构风险

结构风险在经验风险上加上表示模型复杂度的正则项或罚项。在假设空间、损失函数以及训练数据集确定的情况下，结构风险的定义是：
$$R_{sm}(f)=\frac{1}{N}\sum _{i=1}^{N}L(y_i,f(x_i))+\lambda J(f))$$其中 $J(f)$ 为模型的复杂度，是定义在假设空间 $\mathcal{F}$ 上的泛函。模型越复杂，$J(f)$ 越大。

风险最小化

经验风险最小化

经验风险最小化的策略认为，经验风险最小的模型是最优模型：
$$\underset{f\in \mathcal{F}}{\min }\frac{1}{N}\sum _{i=1}^{N}L(y_i,f(x_i))$$其中，$\mathcal{F}$ 是假设空间。

当样本容量足够大时，经验风险最小化能保证有很好的学习效果，在现实中被广泛采用。当模型是条件概率分布，损失函数是对数损失函数时，经验风险最小化就等价于极大似然估计。

但是，当样本容量很小时，经验风险最小化学习的效果容易“过拟合”，因此为了防止出现过拟合现象，提出了结构风险最小化。

结构风险最小化

结构风险最小化等价于正则化，认为结构风险最小的模型是最优的模型。所以求最优模型就是求解最优化问题：
$$\underset{f\in \mathcal{F}}{\min }\frac{1}{N}\sum _{i=1}^{N}L(y_i,f(x_i))+\lambda J(f))$$当模型是条件概率分布、损失函数是对数损失函数、模型复杂度由模型的先验概率表示时，结构风险最小化就等价于最大后验概率估计。

误差

训练误差

假设学习到的模型是 $Y=\hat{f}(X)$，训练误差是模型 $Y=\hat{f}(X)$ 关于训练数据集的平均损失：
$$R_{exp}(\hat{f})=\frac{1}{N}\sum _{i=1}^{N}L(y_i,\hat{f}(x_i))$$其中 $N$ 是训练样本容量。

测试误差

测试误差是模型 $Y=\hat{f}(X)$ 关于测试数据集的平均损失：
$$e_{test}=\frac{1}{N^{{}^{\prime }}}\sum _{i=1}^{N^{{}^{\prime }}}L(y_i,\hat{f}(x_i))$$其中 $N^{{}^{\prime }}$ 是测试样本容量。

训练误差的大小，对判断给定的问题是不是一个容易学习的问题是有意义的，但本质上不重要。测试误差反映了学习方法对未知的测试数据集的预测能力，是学习中的重要概念。显然，测试误差小的方法具有更好的预测能力，通常将学习方法对未知数据的预测能力称为泛化能力。

过拟合

如果一味追求提高对训练数据的预测能力，所选模型的复杂度则往往会比真模型更高，这种现象称为过拟合。过拟合是指学习时选择的模型所包含的参数过多，以致于出现这一模型对已知数据预测很好，但对未知数据预测差的现象。

当模型复杂度增大时，训练误差会逐渐减小并趋于0；而测试误差会先减小，达到最小值后又增大。

模型选择方法

正则化

正则化是结构风险最小化策略的实现，在经验风险上加入一个正则化项或罚项。正则化项一般是模型复杂度的单调递增函数，模型越复杂，正则化值就越大。正则化一般具有如下形式：
$$\underset{f\in \mathcal{F}}{\min }\frac{1}{N}\sum _{i=1}^{N}L(y_i,f(x_i))+\lambda J(f))$$第2项正则化项可以取不同的形式，例如可以是参数向量的 $L_2$ 范数、$L_1$ 范数：
$$\begin{gathered} L(w)=\frac{1}{N}\sum _{i=1}^N(f(x_i;w)-y_i{)}^2+\frac{\lambda }{2}\Vert w{\Vert }^2 \\ L(w)=\frac{1}{N}\sum _{i=1}^N(f(x_i;w)-y_i{)}^2+\lambda \Vert w{\Vert }_1 \end{gathered}$$正则化符合奥卡姆剃刀原理：在所有可能选择的模型中，能够很好地解释已知数据并且十分简单才是最好的模型。

交叉验证

交叉验证的基本想法是重复地使用数据，把给定的数据进行切分，将切分的数据集组合为训练集与测试集，在此基础上反复地进行训练、测试以及模型选择。简单交叉验证改变的是训练环境，$\mathcal{S}$ 折交叉验证和留一交叉验证改变的是训练数据。

简单交叉验证

简单交叉验证方法是：首先随机地将已给数据分为训练集和测试集（例如70%train+30%test）然后用训练集在各种条件下训练出不同模型，再测试集上评价各个模型的测试误差，最后选择测试误差最小的模型。

S 折交叉验证

应用最多的是 $\mathcal{S}$ 折交叉验证：首先随机地将已给数据切分为 $\mathcal{S}$ 互不相交的大小相同的子集；然后利用 $\mathcal{S}-1$ 个子集的数据训练模型，利用余下的子集测试模型；将这一过程对可能的 $\mathcal{S}$ 种选择重复进行；最后选出 $\mathcal{S}$ 次评测中平均误差最小的模型。

留一交叉验证

$\mathcal{S}$ 折交叉验证的特殊情况，当 $\mathcal{S}=N$ 时，$N$ 是给定数据集的容量，留一交叉验证往往在数据缺乏的情况下使用。

参考文献

[1] 李航. 统计学习方法. 清华大学出版社. 2012