当前位置：首页 > news >正文

机器学习与数据挖掘第三、四周

news 2025/10/25 4:36:48

为什么第二周没有呢……因为刚换老师，自学要适应一段时间。

本课程作者之后的学习目标是：实操代码，至少要将作者参加数学建模中用到的数据处理方法都做一遍。

首先，作者复习一下李宏毅老师的两节课程。

机器学习概述

机器学习就是让机器帮我们找一个函数！而这个函式，其实就是类神经网络！这个函式的输入可以是向量、矩阵和序列。

矩阵往往用于表示图像。

语音往往可以被表示为序列。

输出可以是数值regression、类别classification(提供给机器几个类别选项，让机器帮忙选择)、txt/image（用于机器学习的structured learning，让机器去创造事物）

其中pm2.5浓度预测就属于数值型regression的机器学习类型。

机器学习的过程

函式定义

写出一个带有未知参数的函式/模型(Model)，先猜测一下f的数学式到底长什么样子。其中Model被称为机器学习的模型； $x_1$ 被称为feature，即特征；w被称为权重，b被称为偏置。

这样的猜测需要一定的domain knowledge，有一定的经验。但猜测不一定是对的，需要回过头来修正这个猜测w和b。

Loss定义

定义Loss，也是一个function，输入是Model里面的参数，即L(b,w)。我们一开始给参数赋一定的初值，Loss输出的值代表当前设定的参数的值的好坏。

其中，y^真实值叫做label，e表示每次预测值与实际值的误差。L和误差e正相关，越大，表示参数越不好。这个误差可以有很多种表示法，比如差绝对值，差平方等。

代价函数有可能是一条波浪线(在二维中表示)，也可以随着自变量相关因子的增多其函数也变为高维的、无法可视化展示的复杂函数。

不断测试参数的值，给出不同参数的L值的情况，上图使用色温和等高线展示了L的值，在模型选择中尽量使用Small L。越偏蓝色系，其值越小。

Optimization

第三步本质上就是找到最好的一组w和b，使L最小。用w*,b*表示。

Gradient Descent：梯度下降方法

选取一个参数，算它与Loss值的函数：

首先要寻找一个初始点w0（最好使用特定算法使得初始值位置更优），然后计算L对w的微分是多少，根据微分正负移动w，尽量使得微分越来越接近于0。

这个移动速率取决于η，η表示学习速率，人为定义设置，能够影响w参数的移动步长，在机器学习中，人为可以设定的参数被称为hyperparameter超参数，超参数优化是我们进行的重要的步骤。

当然这个Loss可以是任何形状，取决于一开始的loss函数的定义。

当前方法有两种方式停止步进，其一是迭代次数达到一开始认为设定的某一上限，另一种表示找到导数为0的点了，但很明显如图这个不是最小的Loss点

后续改进

考虑到课程中的数据在每周具有周期性，所以x1这样的feature只能体现与前一天播放数据的关系，不如增加特征的数量为7天，这样能够更好地反映出规律，再将其增加到28天、56天，得到下面关于训练集和测试集的L值：

可以得知，在一定的范围内，Model函式的feature越多，模型的拟合预测效果越佳。但往往会出现效果停滞等情况，这是为什么呢？

其实，在上图中，Model都是y关于x的线性模型，即Linear Model，线性模型是具有局限性的，往往不可能通过一条直线很好地预测现实生活的数据关系。

如何绘制非线性的model呢？以红色model为例，它属于piecewise linear curve，即分段线性函数，每个自区间上的函数都是线性函数。它本质上只由常数和一组蓝色折线函数（Hard Sigmoid）组成。

即使是超出分段线性函数的model，也能通过插值函数进行拟合：

所以，只要我们有足够多的蓝色Function，就能组合成任何形状的函数model曲线。

如何写出蓝色的Function呢？

方法一：通过sigmoid函数逼近

sigmoid函数的形状和c/b/w取值有关，通过不断变化三者的取值来选取合适的sigmoid曲线，即：

所以想要拟合非线性函式，就把原来的b+wx1换成b+所有sigmoid函数之和！注意，上图只是考虑x1这一个feature，如果考虑多个feature，就把wx1换成相应的 $\sum_jw_{ij}x_i$ 即可：

i表示sigmoid函数的数量，或者可以理解为标号id。

其实就是，把整个函数分成多个线性段，每个线性段通过sigmoid函数去拟合，而每个线性段都有可能和每个特征 $x_i$ 有关，所以对于每个线性段都结合权重与特征进行表示。

利用线性代数的知识表示成如上形式。这个r不是sigmoid函数，sigmoid需要将取负再改变一些，用a表示：

根据函式的参数得到Loss后，使用梯度下降法得到最优解。

方法二：通过ReLU函数逼近

将两条ReLU合并，就能生成一个Hard Sigmoid，也就是之前的蓝色Function，用于拟合非线性Model的。

无论是Sigmoid还是ReLU在机器学习中都属于一类函数：Activation function 激活函数。

深度神经网络

a向量是Model的参数，是众多激活函数(Sigmoid/ReLU/...)组成的。我们可以进一步改进这个a，将a作为新的输入，分配新的权值、偏置和激活函数，形成a‘。只要能优化结果，让Loss更小，那么就选取新的a'作为函式的参数，本质上就是超参数不断迭代改进的过程。不断加深网络的层数layer，就形成了深度神经网络。

这些Sigmoid或者ReLU可以被称为神经元Neuron，很多的Neuron就叫做Neuron Network。每层神经元叫做隐藏层，所有隐藏层构成了深度学习Deep Learning的基础。

梯度下降

Gradient Descent（梯度下降）是一种常用的优化算法，用于求解机器学习模型中的参数。它通过迭代的方式不断更新参数，以最小化目标函数的值。

基本步骤

1. 初始化参数：选择初始参数值作为算法的起点。

2. 计算损失函数的梯度：计算目标函数（损失函数）对于每个参数的偏导数，即参数的梯度。这可以通过反向传播算法来实现。

3. 更新参数：根据参数的梯度和学习率（步长），更新参数的值。梯度乘以学习率表示每次迭代时参数的更新量。

4. 重复迭代：重复执行步骤2和步骤3，直到满足停止条件，例如达到最大迭代次数或参数变化很小。

梯度下降的核心思想是沿着梯度的反方向更新参数，以逐步接近损失函数的最小值。

常见的梯度下降算法

此外，还有几种变体的梯度下降算法，包括批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）和小批量梯度下降（Mini-batch Gradient Descent）：

1.批量梯度下降BGD：在每次迭代中，使用所有训练样本来计算梯度和更新参数。这种方法的计算量较大，但能够更准确地估计梯度。最原始形式。

2.随机梯度下降SGD：在每次迭代中，随机选择一个样本来计算梯度和更新参数。这种方法的计算量较小，但参数更新的方向可能更不稳定。

3.小批量梯度下降MBGD：在每次迭代中，随机选择一小部分样本（称为mini-batch）来计算梯度和更新参数。这种方法综合了批量梯度下降和随机梯度下降的优点，通常是最常用的梯度下降算法。也称为最速下降法！

每次更新一次参数叫做一次Update，每遍历一次训练集叫做一次epoch：

梯度下降是机器学习中常见的优化算法之一，广泛用于线性回归、逻辑回归、神经网络等模型的参数优化过程中。

梯度下降的痛点并不是Local Minimum（陷于局部最优解），而是步长的选择如果过大，会错过最优解。

梯度下山的优化算法

1.AdaGrad（适应性梯度算法）：根据历史梯度信息动态调节学习率。经常更新的参数学习率就小一些，不经常更新的参数学习率就大一些。但是，在训练深度网络时可能会导致学习率过早和过量地减小。

2.RMSProp（均方根传递）：优化动态学习率，为了解决 AdaGrad 在训练深度网络时的问题。它使用梯度的移动平均来调整学习率，有助于防止学习率单调下降。

3.AdaDelta：不需要设置学习率，这有助于限制累积的历史信息量。

4.Adam（自适应矩估计）算法目前最适合优化，结合了 Momentum模拟动量和RMSProp，第一阶段估计了梯度的均值，第二阶段估计了梯度的无偏方差，有助于自适应地调整学习率。

5.Momentum（动量）：模拟物体运动时的惯性，使梯度下降过程更快、更稳定。