机器学习中正则化项L1和L2的直观理解

最新推荐文章于 2024-09-25 21:12:29 发布

时空霹雳

最新推荐文章于 2024-09-25 21:12:29 发布

阅读量455

点赞数

分类专栏：机器学习

机器学习专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍了机器学习中的正则化技术，包括L1和L2正则化的定义、作用及其实现原理，并探讨了这两种正则化方式如何帮助解决过拟合问题以及特征选择。

正则化（Regularization）

原文地址：http://blog.youkuaiyun.com/jinping_shi/article/details/52433975

机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。

L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的模型叫做Ridge回归（岭回归）。下图是Python中Lasso回归的损失函数，式中加号后面一项α||w||1即为L1正则化项。

lasso regression

下图是Python中Ridge回归的损失函数，式中加号后面一项α||w||22即为L2正则化项。

ridge regression

一般回归分析中回归w表示特征的系数，从上式可以看到正则化项是对系数做了处理（限制）。L1正则化和L2正则化的说明如下：

L1正则化是指权值向量w
L2正则化是指权值向量w

一般都会在正则化项之前添加一个系数，Python中用α表示。这个系数需要用户指定。

那添加L1和L2正则化有什么用？下面是L1正则化和L2正则化的作用，这些表述可以在很多文章中找到。

L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
L2正则化可以防止模型过拟合（overfitting）；一定程度上，L1也可以防止过拟合

稀疏模型与特征选择

上面提到L1正则化有助于生成一个稀疏权值矩阵，进而可以用于特征选择。为什么要生成一个稀疏矩阵？

稀疏矩阵指的是很多元素为0，只有少数元素是非零值的矩阵，即得到的线性回归模型的大部分系数都是0. 通常机器学习中特征数量很多，例如文本处理时，如果将一个词组（term）作为一个特征，那么特征数量会达到上万个（bigram）。在预测或分类时，那么多特征显然难以选择，但是如果代入这些特征得到的模型是一个稀疏模型，表示只有少数特征对这个模型有贡献，绝大部分特征是没有贡献的，或者贡献微小（因为它们前面的系数是0或者是很小的值，即使去掉对模型也没有什么影响），此时我们就可以只关注系数是非零值的特征。这就是稀疏模型与特征选择的关系。

L1和L2正则化的直观理解

这部分内容将解释为什么L1正则化可以产生稀疏模型（L1是怎么让系数等于零的），以及为什么L2正则化可以防止过拟合。

L1正则化和特征选择

假设有如下带L1正则化的损失函数：

J = J 0 + α \sum w | w | (1)

其中

J0的二维平面上画出来。如下图：

@图1 L1正则化
图1 L1正则化

图中等值线是J0其它部位接触的机率，而在这些角上，会有很多权值等于0，这就是为什么L1正则化可以产生稀疏模型，进而可以用于特征选择。

而正则化前面的系数α可以取到很小的值。

类似，假设有如下带L2正则化的损失函数：

J = J 0 + α \sum w w 2 (2)

同样可以画出他们在二维平面上的图形，如下：

@图2 L2正则化
图2 L2正则化

二维平面下L2正则化的函数图形是个圆，与方形相比，被磨去了棱角。因此J0等于零的机率小了许多，这就是为什么L2正则化不具有稀疏性的原因。

L2正则化和过拟合

拟合过程中通常都倾向于让权值尽可能小，最后构造一个所有参数都比较小的模型。因为一般认为参数值小的模型比较简单，能适应不同的数据集，也在一定程度上避免了过拟合现象。可以设想一下对于一个线性回归方程，若参数很大，那么只要数据偏移一点点，就会对结果造成很大的影响；但如果参数足够小，数据偏移得多一点也不会对结果造成什么影响，专业一点的说法是『抗扰动能力强』。

那为什么L2正则化可以获得值很小的参数？

以线性回归中的梯度下降法为例。假设要求的参数为θ是我们的假设函数，那么线性回归的代价函数如下：

J (θ) = 1 2 m \sum i = 1 m (h θ (x (i)) - y (i)) (3)

那么在梯度下降法中，最终用于迭代计算参数

θ的迭代式为：

θ j := θ j - α 1 m \sum i = 1 m (h θ (x (i)) - y (i)) x (i) j (4)

其中

α是learning rate. 上式是没有添加L2正则化项的迭代公式，如果在原始代价函数之后添加L2正则化，则迭代公式会变成下面的样子：

θ j := θ j (1 - α λ m) - α 1 m \sum i = 1 m (h θ (x (i)) - y (i)) x (i) j (5)

其中 λ是不断减小的。

最开始也提到L1正则化一定程度上也可以防止过拟合。之前做了解释，当L1的正则化系数很小时，得到的最优解会很小，可以达到和L2正则化类似的效果。

正则化参数的选择

L1正则化参数

通常越大的λ可以让代价函数在参数为0时取到最小值。下面是一个简单的例子，这个例子来自Quora上的问答。为了方便叙述，一些符号跟这篇帖子的符号保持一致。

假设有如下带L1正则化项的代价函数：

F (x) = f (x) + λ | | x | | 1

其中

x时取到最小值。如下图：

@图3 L1正则化参数的选择
图3 L1正则化参数的选择

分别取λ=0.5时取到最小值。

L2正则化参数

从公式5可以看到，λ越大，L2圆的半径越小，最后求得代价函数最值时各参数也会变得很小。

Reference

过拟合的解释：
https://hit-scir.gitbooks.io/neural-networks-and-deep-learning-zh_cn/content/chap3/c3s5ss2.html

正则化的解释：
https://hit-scir.gitbooks.io/neural-networks-and-deep-learning-zh_cn/content/chap3/c3s5ss1.html

正则化的解释：
http://blog.youkuaiyun.com/u012162613/article/details/44261657

正则化的数学解释（一些图来源于这里）：
http://blog.youkuaiyun.com/zouxy09/article/details/24971995

                                <link rel="stylesheet" href="http://csdnimg.cn/release/phoenix/production/markdown_views-10f5517761.css">
                                </div>