本系列是七月算法机器学习课程笔记

1 不同类型的学习

机器学习：监督学习、无监督学习、强化学习
按照问题类型分：
聚类问题：相似用户分析、新闻聚类
分类问题（选择题） 情感分类、垃圾邮件、图像内容与识别
回归（回答类问题） 房价、票房值、
强化学习：研究如何根据环境而行动

2 基本术语与概念

数据集：训练集、测试集
样本=示例=样例
特征 属性、属性值
属性空间 样本空间
特征向量
标记 label 输出空间

3 线性回归模型

3.1 什么是线性回归

有监督 学习，输出是连续值
假定输入与输出之间是线性关系：f：x->y
例如体重与身高可能就是线性关系，房屋的价格与面积是线性关系

单变量线性回归：$f=ax+b$
多变量线性回归：$f(x)={\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2={\sum }_{i=0}^n{\theta }_i{x}_i={\theta }_{T}X$

3.2 损失函数

数据驱动=数据+模型
模型=假设函数
当数据确定的时候，x将不再是未知数，而参数是未知数，所以方程可以写为：$h(\theta )={\sum }_{i=0}^n{\theta }_i{x}_i$

损失函数
在监督学习中优化=损失函数 + 优化算法
我们要找到最好的参数$\theta$，如何衡量呢？用损失函数定义
损失函数：定义了当前状况下与标准答案差异情况的函数。
$J({\theta }_0,{\theta }_1,{\theta }_2...{\theta }_n)=\frac{1}{2m}{\sum }_{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)}{)}^2$

3.3 最小化损失函数-梯度下降

损失函数是一个凸函数，$J({\theta }_0,{\theta }_1,{\theta }_2...{\theta }_n)=\frac{1}{2m}{\sum }_{i=1}^m(h_{\theta }(x^i)-y^i{)}^2$
可以使用梯度下降的方式找损失函数的最小值。这就如同将一个小球在一个碗里，让它滚落到碗底。这里涉及到两个问题：一个是最开始小球放哪：初始位置，另外一个是小球从哪个方向滚。
初始位置不重要，放哪里都行。
滚的方向：在一条曲线中变化最快的方向是梯度方向，在开始点梯度方向是函数值增加的方向，所以滚的方向是负梯度方向。（这块内容需要用数学补充）

在多维情况下 梯度方向垂直于等高线。每次迈进一小步，直到山底。

参数迭代函数：

${\theta }_0:={\theta }_0-\alpha \frac{1}{m}{\sum }_{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)})$

${\theta }_1:={\theta }_1-\alpha \frac{1}{m}{\sum }_{i=1}^m(h_{\theta }(x^{(i)})-y^{(i)}).x_1^{(i)}$

3.4 学习率有什么影响

学习率小，梯度下降慢，训练时间长
学习率大，会跨越最低点，形成振荡

3.5 过拟合与欠拟合

欠拟合：模型参数不够，表现不好。类似于一个孩子智商不够，学习不好一样。
过拟合：模型参数太多，不用学习，只是记忆答案，但遇到新的问题就不会了。类似于一个孩子智商太高，背会了所有练习题的答案。但是不会做新题。

对应的解决方法是：正则化
正则化：用来控制参数$\theta$的幅度， 限制参数$\theta$的搜索空间。这样损失函数就变成了：$J({\theta }_0,{\theta }_1,{\theta }_2...{\theta }_n)=\frac{1}{2m}{\sum }_{i=1}^n(h_{\theta }(x^i)-y^i{)}^2+\frac{\lambda }{2}{\sum }_{j=1}^n{\theta }_j^2$

4 逻辑回归

4.1 为什么要有逻辑回归

现在问个问题是：希望根据肿瘤大小，判断病人是否患有癌症。
根据线性回归建模：可以设置阈值0.5，根据这个阈值算出一个肿瘤大小的分割线。

上面看似没有问题。如果有一些肿瘤尺寸很大的样本加入之后，这条线的斜率发生变化。此时再以0.5作为阈值，那么有些样本就会被错误的分类。也就是说线性回归用于分类问题的时候，特征值的范围会严重影响分类效果。

4.2 什么是逻辑回归

神奇的sigmoid函数：sigmoid函数也叫s曲线。
$S(x)=\frac{1}{1+e^{(-x)}}$
它的导函数是$S(x{)}^{\prime }=S(x)(1-S(x))$

sigmoid函数能够把任意值转换到(0,1)范围内。我们可以将上面线性回归模型计算的值，作为入参送入sigmoid函数，得到一个(0,1)范围的值。

4.3决策边界

所有分类问题都是要找到一条决策边界。怎么用线性回归找到可以拟合出决策边界呢？

线性边界判定

假设函数$h_{\theta }(x)=g({\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2)$，假定${\theta }_0=-3$，${\theta }_1=1$,${\theta }_2=1$，那么当$-3+x_1+x_2>0$的时候，所有的点是在直线上方的，再看sigmoid函数，当输入值>0的时候，值是>0.5的。那么就可以理解图中x的概率是>0.5的。同理，图中圆圈的概率是<0.5的。我们就可以基于0.5给出一条决策边界。

非线性边界判定

假设函数$h_{\theta }(x)=g({\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2+{\theta }_3{x}_1^2+{\theta }_4{x}_2^2)$，假定${\theta }_0=-1$，${\theta }_1=0$,${\theta }_2=0$,${\theta }_3=1$,${\theta }_4=1$，也就是说函数变为：$h_{\theta }(x)=g(-1+x_1^2+x_2^2)$。对于$x_1^2+x_2^2-1=0$可以形成这样一条圆形的曲线。$x_1^2+x_2^2-1>0$表示圆外面的x点，$x_1^2+x_2^2-1<0$表示圆内的○点。将其送入sigmoid函数，可以得到对应的概率。

4.4 损失函数

在逻辑回归中使用同样的损失函数发现好多凹凸点，不再是个凸函数。

因为$h_{\theta }(x)$表示的是概率。对于正样本（y=1）来说，$h_{\theta }(x)$越大越好，那么$log(h_{\theta }(x))$,越大越好，推理出$-log(h_{\theta }(x))$，越小越好。
对于负样本(y=0)来说，$h_{\theta }(x)$越小越好，所以那么$1-h_{\theta }(x)$越大越好，$log(1-h_{\theta }(x))$,越大越好，推理出$-log(1-h_{\theta }(x))$，越小越好。

加log函数是因为在计算损失函数的时候多个样本的损失会相乘，概率相乘在大数据量下会发生溢出。加上log，将乘法改为加法，解决溢出问题。

所以得到损失函数为：

$Cost(h_{\theta }(x),y)=-log(h_{\theta }(x))$, if y=1
$Cost(h_{\theta }(x),y)=-log(1-h_{\theta }(x))$, if y=0

最后的数学公式：
$J(\theta )=-\frac{1}{m}[{\sum }_{i=1}^m{y}^{(i)}log(h_{\theta }(x^{(i)}))+(1-y^{(i)})log(1-h_{\theta }(x^{(i)}))]$

加上正则化项之后变为：

$J(\theta )=-\frac{1}{m}[{\sum }_{i=1}^m{y}^{(i)}log(h_{\theta }(x^{(i)}))+(1-y^{(i)})log(1-h_{\theta }(x^{(i)}))]+\frac{\lambda }{2m}{\sum }_{j=1}^n{\theta }_j^2$

解决损失韩式同样用梯度下降

4.5 多分类问题

上面谈到的是二分类。在解决多分类问题的时候可以采用 one vs one 和 one vs rest两种方法。

5 混淆矩阵评判标准

参考链接混淆矩阵评价指标_一文搞懂分类算法中常用的评估指标。

ROC曲线