loss function

什么是loss?

  loss: loss是我们用来对模型满意程度的指标。loss设计的原则是：模型越好loss越低，模型越差loss越高，但也有过拟合的情况。　　
  loss function: 在分类问题中，输入样本经过含权重矩阵θ的模型后会得出关于各个类别的分值，如何通过分值与样本的标签来得到我们对模型的满意程度就是Loss function的主要工作了。训练过程中通过调整参数矩阵θ来降低loss，使用模型更优。多分类问题中常用Softmax分类器与多类SVM分类器。　

Softmax分类器

Softmax与logistict回归

  Softmax分类器将类别分值用负对数转换为概率来表示，相对于multiclass-SVM的输出更为直观。
  Softmax分类器的损失函数为交叉熵损失 (cross-entropy loss)，即通常所说的Softmax loss。logistic回归是用来解决二分类问题的，其损失函数与Softmax与有很相似的形式。

  Softmax的损失函数：　　//1表示指示函数，即真值返回1，否则返回0

　　　　 egin{align} J( heta) = - frac{1}{m} left[ sum_{i=1}^{m} sum_{j=1}^{k} 1left{y^{(i)} = j ight} log frac{e^{ heta_j^T x^{(i)}}}{sum_{l=1}^k e^{ heta_l^T x^{(i)} }} ight] end{align}

  logistic回归的损失函数：　　

　　　　　　
egin{align}
J( heta) =
-frac{1}{m} left[ sum_{i=1}^m y^{(i)} log h_ heta(x^{(i)}) + (1-y^{(i)}) log (1-h_ heta(x^{(i)})) ight]
end{align}

  可以看出，将（1）式中k=2即可得到（2）式

  Softmax对样本x的分类结果（假设函数）：

egin{align}
h_ heta(x^{(i)}) =
egin{bmatrix}
p(y^{(i)} = 1 | x^{(i)}; heta)
p(y^{(i)} = 2 | x^{(i)}; heta)
vdots
p(y^{(i)} = k | x^{(i)}; heta)
end{bmatrix}

frac{1}{ sum_{j=1}^{k}{e^{ heta_j^T x^{(i)} }} }
egin{bmatrix}
e^{ heta_1^T x^{(i)} }
e^{ heta_2^T x^{(i)} }
vdots
e^{ heta_k^T x^{(i)} }
end{bmatrix}
end{align}
　　

  logistic回归的分类结果(假设函数)：

　　　　　　egin{align}
h_ heta(x) = frac{1}{1+exp(- heta^Tx)},
end{align}　　　

  但（3）式与（4）式有什么关系呢？

  原来Softmax预测出每个类别的概率具有“参数冗余”的特性。“参数冗余”是指：若矩阵θ为代价函数的极小值点，那么θ-Ψ也为代价函数的极小值点。(ψ为向量，并且矩阵-向量=矩阵每个列向量-向量)

　　　　　　　　　　
egin{align}
p(y^{(i)} = j | x^{(i)} ; heta)
&= frac{e^{( heta_j-psi)^T x^{(i)}}}{sum_{l=1}^k e^{ ( heta_l-psi)^T x^{(i)}}}
&= frac{e^{ heta_j^T x^{(i)}} e^{-psi^Tx^{(i)}}}{sum_{l=1}^k e^{ heta_l^T x^{(i)}} e^{-psi^Tx^{(i)}}}
&= frac{e^{ heta_j^T x^{(i)}}}{sum_{l=1}^k e^{ heta_l^T x^{(i)}}}.
end{align}

   这时，令ψ=θ1、k=2，可得到(3) 等价于(4)的结论

   所以，Softmax其实是logistic regression将二分类问题推广到多分类问题的一般形式。

但是Softmax分类器与k个logistic回归分类器还是有区别的：

   通常，当k个类别之间互斥时使用k=k的Softmax分类器，当k个类别之间与交集时使用k个logistic回归分类器。　

Softmax分类器为什么要正则化损失项？

  求解loss最小值时往往不是简单利用“参数冗余”将θ1=0，而是加入权重衰减(正则化损失)来惩罚过大的参数值。加入正则化损失后的代价函数为：
　　　

egin{align} otag J( heta) = - frac{1}{m} left[ sum_{i=1}^{m} sum_{j=1}^{k} 1left{y^{(i)} = j ight} log frac{e^{ heta_j^T x^{(i)}}}{sum_{l=1}^k e^{ heta_l^T x^{(i)} }} ight] + frac{lambda}{2} sum_{i=1}^k sum_{j=0}^n heta_{ij}^2 end{align}

  其中，第二项为正则化损失荐，加入该项的加一个好处是将代价函数变为一个凸函数。

简单实例

  在一个三类别模型预测的过程中，假设输出的分值向量为[1, -2, 0]

  则分类计算过过程： [1，-2， 0] => [e1, e-2, e0]=[2.71, 0.14, 1]//熵值化 => [0.7， 0.04， 0.26] //归一化为概率

算法实践

  后续补充

Multiclass SVM

  基本思想：正常确类别的分值比错误类别的分值高出一个间距(margin)
  Multiclass SVM分类器的损失函数为hinge loss，也称为SVM loss。

hinge loss

算法实践

已知

1. 在一个三类别模型预测的过程中，假设输出的分值向量为[13， -7， 11]
2. 我们知道标签为1，即第一个类别为正确类别
3. (Delta=10)

计算过程

因为(y_{i})=1, 所以(j只能=2、3)

[L_{2}=max(0,-7-13+10)=0 ]

[L_{3}=max(0,11-13+10)=8 ]

所以，

[L_{i}=0+8=8 ]

从上面的计算过程可以看出SVM的损失函数想要正确分类类别(y_{i})的分数比不正确类别分数高，而且至少要高(Delta)。如果不满足这点，就开始计算损失值。

正则化损失

提高模型泛化能力，避免过拟合。
从公式上来看：

• 若两个等比例的权重，权重的范数越小越好
• 若两个权重范数相等，权重的系数大小分布越分均等越好
  直观来看：
  从直观上来看，这是因为w_2的权重值更小且更分散。既然L2惩罚倾向于更小更分散的权重向量，这就会鼓励分类器最终将所有维度上的特征都用起来，而不是强烈依赖其中少数几个维度。

MutiSVM VS SVM

未完待续

补充实验

reference:

cs231n

cs231n

softmax

小马奔腾