[Machine Learning 2021] 回归（Regression）

2025-10-24 00:12:26 2025-10-24 00:12:26
Categories Machine Learning 2021
Tags

1.2k Words | 4 Minutes

回归（Regression）

机器学习：寻找函数

机器学习可以概括为“寻找函数” ($f$)：

语音识别：输入声音，输出文本（如 $f(\text{声音}) = \text{“How are you”}$）。
图像识别：输入图片，输出类别（如 $f(\text{图片}) = \text{“Cat”}$）。
下围棋：输入棋局，输出下一步棋的走法。

不同类型的函数

回归（Regression）：函数输出一个标量 (scalar)。
- 例子：预测明天的 PM2.5 浓度。
分类（Classification）：函数输出正确的类别。
- 例子：垃圾邮件过滤 ($f(\text{邮件}) = \text{Yes/No}$)。
- 例子：下围棋中预测下一步棋，可视为 $19 \times 19$ 类的分类问题。
结构化学习（Structured Learning）：生成具有结构的输出（如图像、文档），比回归与分类更进一步。

寻找函数：案例研究

案例：预测 YouTube 频道（李宏毅教授）在 2/26 的观看次数 $y$。
目标：找到函数
$$y = f(\text{输入特征})$$

一般步骤：

函数模型假设：假设具有未知参数的函数。
定义损失函数 (Loss)：度量预测结果与真实值的差异。
优化 (Optimization)：通过最小化损失函数找到最优参数。

1. 函数模型假设（线性模型）

假设一个简单的线性模型：
$$y = b + w x_1$$

其中：

$y$：目标值（观看次数）
$x_1$：特征（前一天观看次数）
$w$：权重 (weight)
$b$：偏差 (bias)

$w$ 和 $b$ 是需要从数据中学习的未知参数。

2. 定义损失函数 (Loss)

损失函数 $L(b, w)$ 衡量参数好坏：

均方误差 (MSE)：$$e = (y - \hat{y})^2$$
平均绝对误差 (MAE)：$$e = |y - \hat{y}|$$
交叉熵 (Cross-entropy)：用于概率分布型任务。

误差曲面 (Error Surface)：展示损失 $L$ 随参数 $(w, b)$ 变化的图像。
目标是找到使 $L$ 最小的点。

3. 优化 (Optimization)

目标：
$$w^, b^ = \arg \min_{w, b} L$$

梯度下降 (Gradient Descent)

随机初始化 $w^0, b^0$
计算梯度
$$\frac{\partial L}{\partial w}, \frac{\partial L}{\partial b}$$
更新参数
$$
\begin{aligned}
w^{t+1} &\leftarrow w^t - \eta \frac{\partial L}{\partial w}
b^{t+1} &\leftarrow b^t - \eta \frac{\partial L}{\partial b}
\end{aligned}
$$
其中 $\eta$ 是学习率 (learning rate)。

结果（示例）：
$$y = 0.1k + 0.97x_1$$
在训练集上最小损失 $L = 0.48k$，测试集上 $L’ = 0.58k$。

线性模型局限性：过于简单（存在模型偏差），难以拟合复杂数据。

寻找更复杂的模型（非线性）

分段线性与 Sigmoid

Sigmoid 函数：
$$
y = c \cdot \frac{1}{1 + e^{-(b + w x_1)}}
$$

通过调整 $w, b, c$ 可以控制斜率、平移和高度。

多个 Sigmoid 的线性组合可以近似任意非线性函数：
$$
y = b + \sum_i c_i \cdot \text{sigmoid}(b_i + w_i x_1)
$$

新模型：多特征与 Sigmoid 层

扩展到多个特征：
$$
y = b + \sum_i c_i \cdot \text{sigmoid}\left(b_i + \sum_j w_{ij} x_j\right)
$$

向量形式：
$$
\mathbf{r} = \mathbf{b} + \mathbf{W}\mathbf{x}, \quad
\mathbf{a} = \sigma(\mathbf{r}), \quad
y = b + \mathbf{c}^T \mathbf{a}
$$

未知参数集合：
$$
\theta = {\mathbf{W}, \mathbf{b}, \mathbf{c}, b}
$$

新模型的优化

目标：
$$
\theta^* = \arg \min_{\theta} L
$$

梯度下降更新：
$$
\theta^{t+1} = \theta^t - \eta \nabla L(\theta^t)
$$

批量梯度下降（Mini-batch SGD）

每次使用一个批次 (batch) 计算梯度。
一个 epoch：遍历全部样本一次。
更新次数：$\text{总样本数} / \text{批次大小}$。

深度学习

多层网络：将 Sigmoid/ReLU 层堆叠，形成隐藏层。
神经元 (Neuron)：计算单元。
神经网络 (Neural Network)：具有多层隐藏层的模型。
深度学习 (Deep Learning)：拥有多层结构（如 ResNet 有 152 层）。

模型复杂度与过拟合（Overfitting）

实验：
使用 56 天观看次数为输入，每层 100 个 ReLU 神经元。

模型	训练损失 (2017–2020)	测试损失 (2021)
1 层	0.28k	0.43k
2 层	0.18k	0.39k
3 层	0.14k	0.38k
4 层	0.10k	0.44k

结论：

随着层数增加，训练损失持续下降。
但测试损失上升 → 出现过拟合。

模型选择 (Model Selection)：在后续任务中需平衡复杂度与泛化性能。

总结

本讲通过预测 YouTube 观看次数的例子，系统介绍了机器学习的三大核心步骤：

模型假设：设定具有未知参数的函数。
定义损失函数：衡量预测误差。
优化过程：使用梯度下降找到最优参数。

从简单的线性模型到非线性 Sigmoid / ReLU，再到多层神经网络（深度学习），逐步揭示模型复杂度与泛化之间的平衡关系，并指出过拟合是模型选择中的关键挑战。