{
"cells": [
{
"cell_type": "markdown",
"id": "d128f467",
"metadata": {
"origin_pos": 0
},
"source": [
"# 线性回归\n",
":label:`sec_linear_regression`\n",
"\n",
"*回归*(regression)是能为一个或多个自变量与因变量之间关系建模的一类方法。\n",
"在自然科学和社会科学领域,回归经常用来表示输入和输出之间的关系。\n",
"\n",
"在机器学习领域中的大多数任务通常都与*预测*(prediction)有关。\n",
"当我们想预测一个数值时,就会涉及到回归问题。\n",
"常见的例子包括:预测价格(房屋、股票等)、预测住院时间(针对住院病人等)、\n",
"预测需求(零售销量等)。\n",
"但不是所有的*预测*都是回归问题。\n",
"在后面的章节中,我们将介绍分类问题。分类问题的目标是预测数据属于一组类别中的哪一个。\n",
"\n",
"## 线性回归的基本元素\n",
"\n",
"*线性回归*(linear regression)可以追溯到19世纪初,\n",
"它在回归的各种标准工具中最简单而且最流行。\n",
"线性回归基于几个简单的假设:\n",
"首先,假设自变量$\\mathbf{x}$和因变量$y$之间的关系是线性的,\n",
"即$y$可以表示为$\\mathbf{x}$中元素的加权和,这里通常允许包含观测值的一些噪声;\n",
"其次,我们假设任何噪声都比较正常,如噪声遵循正态分布。\n",
"\n",
"为了解释*线性回归*,我们举一个实际的例子:\n",
"我们希望根据房屋的面积(平方英尺)和房龄(年)来估算房屋价格(美元)。\n",
"为了开发一个能预测房价的模型,我们需要收集一个真实的数据集。\n",
"这个数据集包括了房屋的销售价格、面积和房龄。\n",
"在机器学习的术语中,该数据集称为*训练数据集*(training data set)\n",
"或*训练集*(training set)。\n",
"每行数据(比如一次房屋交易相对应的数据)称为*样本*(sample),\n",
"也可以称为*数据点*(data point)或*数据样本*(data instance)。\n",
"我们把试图预测的目标(比如预测房屋价格)称为*标签*(label)或*目标*(target)。\n",
"预测所依据的自变量(面积和房龄)称为*特征*(feature)或*协变量*(covariate)。\n",
"\n",
"通常,我们使用$n$来表示数据集中的样本数。\n",
"对索引为$i$的样本,其输入表示为$\\mathbf{x}^{(i)} = [x_1^{(i)}, x_2^{(i)}]^\\top$,\n",
"其对应的标签是$y^{(i)}$。\n",
"\n",
"### 线性模型\n",
":label:`subsec_linear_model`\n",
"\n",
"线性假设是指目标(房屋价格)可以表示为特征(面积和房龄)的加权和,如下面的式子:\n",
"\n",
"$$\\mathrm{price} = w_{\\mathrm{area}} \\cdot \\mathrm{area} + w_{\\mathrm{age}} \\cdot \\mathrm{age} + b.$$\n",
":eqlabel:`eq_price-area`\n",
"\n",
" :eqref:`eq_price-area`中的$w_{\\mathrm{area}}$和$w_{\\mathrm{age}}$\n",
"称为*权重*(weight),权重决定了每个特征对我们预测值的影响。\n",
"$b$称为*偏置*(bias)、*偏移量*(offset)或*截距*(intercept)。\n",
"偏置是指当所有特征都取值为0时,预测值应该为多少。\n",
"即使现实中不会有任何房子的面积是0或房龄正好是0年,我们仍然需要偏置项。\n",
"如果没有偏置项,我们模型的表达能力将受到限制。\n",
"严格来说, :eqref:`eq_price-area`是输入特征的一个\n",
"*仿射变换*(affine transformation)。\n",
"仿射变换的特点是通过加权和对特征进行*线性变换*(linear transformation),\n",
"并通过偏置项来进行*平移*(translation)。\n",
"\n",
"给定一个数据集,我们的目标是寻找模型的权重$\\mathbf{w}$和偏置$b$,\n",
"使得根据模型做出的预测大体符合数据里的真实价格。\n",
"输出的预测值由输入特征通过*线性模型*的仿射变换决定,仿射变换由所选权重和偏置确定。\n",
"\n",
"而在机器学习领域,我们通常使用的是高维数据集,建模时采用线性代数表示法会比较方便。\n",
"当我们的输入包含$d$个特征时,我们将预测结果$\\hat{y}$\n",
"(通常使用“尖角”符号表示$y$的估计值)表示为:\n",
"\n",
"$$\\hat{y} = w_1 x_1 + ... + w_d x_d + b.$$\n",
"\n",
"将所有特征放到向量$\\mathbf{x} \\in \\mathbb{R}^d$中,\n",
"并将所有权重放到向量$\\mathbf{w} \\in \\mathbb{R}^d$中,\n",
"我们可以用点积形式来简洁地表达模型:\n",
"\n",
"$$\\hat{y} = \\mathbf{w}^\\top \\mathbf{x} + b.$$\n",
":eqlabel:`eq_linreg-y`\n",
"\n",
"在 :eqref:`eq_linreg-y`中,\n",
"向量$\\mathbf{x}$对应于单个数据样本的特征。\n",
"用符号表示的矩阵$\\mathbf{X} \\in \\mathbb{R}^{n \\times d}$\n",
"可以很方便地引用我们整个数据集的$n$个样本。\n",
"其中,$\\mathbf{X}$的每一行是一个样本,每一列是一种特征。\n",
"\n",
"对于特征集合$\\mathbf{X}$,预测值$\\hat{\\mathbf{y}} \\in \\mathbb{R}^n$\n",
"可以通过矩阵-向量乘法表示为:\n",
"\n",
"$${\\hat{\\mathbf{y}}} = \\mathbf{X} \\mathbf{w} + b$$\n",
"\n",
"这个过程中的求和将使用广播机制\n",
"(广播机制在 :numref:`subsec_broadcasting`中有详细介绍)。\n",
"给定训练数据特征$\\mathbf{X}$和对应的已知标签$\\mathbf{y}$,\n",
"线性回归的目标是找到一组权重向量$\\mathbf{w}$和偏置$b$:\n",
"当给定从$\\mathbf{X}$的同分布中取样的新样本特征时,\n",
"这组权重向量和偏置能够使得新样本预测标签的误差尽可能小。\n",
"\n",
"虽然我们相信给定$\\mathbf{x}$预测$y$的最佳模型会是线性的,\n",
"但我们很难找到一个有$n$个样本的真实数据集,其中对于所有的$1 \\leq i \\leq n$,$y^{(i)}$完全等于$\\mathbf{w}^\\top \\mathbf{x}^{(i)}+b$。\n",
"无论我们使用什么手段来观察特征$\\mathbf{X}$和标签$\\mathbf{y}$,\n",
"都可能会出现少量的观测误差。\n",
"因此,即使确信特征与标签的潜在关系是线性的,\n",
"我们也会加入一个噪声项来考虑观测误差带来的影响。\n",
"\n",
"在开始寻找最好的*模型参数*(model parameters)$\\mathbf{w}$和$b$之前,\n",
"我们还需要两个东西:\n",
"(1)一种模型质量的度量方式;\n",
"(2)一种能够更新模型以提高模型预测质量的方法。\n",
"\n",
"### 损失函数\n",
"\n",
"在我们开始考虑如何用模型*拟合*(fit)数据之前,我们需要确定一个拟合程度的度量。\n",
"*损失函数*(loss function)能够量化目标的*实际*值与*预测*值之间的差距。\n",
"通常我们会选择非负数作为损失,且数值越小表示损失越小,完美预测时的损失为0。\n",
"回归问题中最常用的损失函数是平方误差函数。\n",
"当样本$i$的预测值为$\\hat{y}^{(i)}$,其相应的真实标签为$y^{(i)}$时,\n",
"平方误差可以定义为以下公式:\n",
"\n",
"$$l^{(i)}(\\mathbf{w}, b) = \\frac{1}{2} \\left(\\hat{y}^{(i)} - y^{(i)}\\right)^2.$$\n",
":eqlabel:`eq_mse`\n",
"\n",
"常数$\\frac{1}{2}$不会带来本质的差别,但这样在形式上稍微简单一些\n",
"(因为当我们对损失函数求导后常数系数为1)。\n",
"由于训练数据集并不受我们控制,所以经验误差只是关于模型参数的函数。\n",
"为了进一步说明,来看下面的例子。\n",
"我们为一维情况下的回归问题绘制图像,如 :numref:`fig_fit_linreg`所示。\n",
"\n",
"\n",
":label:`fig_fit_linreg`\n",
"\n",
"由于平方误差函数中的二次方项,\n",
"估计值$\\hat{y}^{(i)}$和观测值$y^{(i)}$之间较大的差异将导致更大的损失。\n",
"为了度量模型在整个数据集上的质量,我们需计算在训练集$n$个样本上的损失均值(也等价于求和)。\n",
"\n",
"$$L(\\mathbf{w}, b) =\\frac{1}{n}\\sum_{i=1}^n l^{(i)}(\\mathbf{w}, b) =\\frac{1}{n} \\sum_{i=1}^n \\frac{1}{2}\\left(\\mathbf{w}^\\top \\mathbf{x}^{(i)} + b - y^{(i)}\\right)^2.$$\n",
"\n",
"在训练模型时,我们希望寻找一组参数($\\mathbf{w}^*, b^*$),\n",
"这组参数能最小化在所有训练样本上的总损失。如下式:\n",
"\n",
"$$\\mathbf{w}^*, b^* = \\operatorname*{argmin}_{\\mathbf{w}, b}\\ L(\\mathbf{w}, b).$$\n",
"\n",
"### 解析解\n",
"\n",
"线性回归刚好是一个很简单的优化问题。\n",
"与我们将在本书中所讲到的其他大部分模型不同,线性回归的解可以用一个公式简单地表达出来,\n",
"这类解叫作解析解(analytical solution)。\n",
"首先,我们将偏置$b$合并到参数$\\mathbf{w}$中,合并方法是在包含所有参数的矩阵中附加一列。\n",
"我们的预测问题是最小化$\\|\\mathbf{y} - \\mathbf{X}\\mathbf{w}\\|^2$。\n",
"这在损失平面上只有一个临界点,这个临界点对应于整个区域的损失极小点。\n",
"将损失关于$\\mathbf{w}$的导数设为0,得到解析解:\n",
"\n",
"$$\\mathbf{w}^* = (\\mathbf X^\\top \\mathbf X)^{-1}\\mathbf X^\\top \\mathbf{y}.$$\n",
"\n",
"像线性回归这样的简单问题存在解析解,但并不是所有的问题都存在解析解。\n",
"解析解可以进行很好的数学分析,但解析解对问题的限制很严格,导致它无法广泛应用在深度学习里。\n",
"\n",
"### 随机梯度下降\n",
"\n",
"即使在我们无法得到解析解的情况下,我们仍然可以有效地训练模型。\n",
"在许多任务上,那些难以优化的模型效果要更好。\n",
"因此,弄清楚如何训练这些难以优化的模型是非常重要的。\n",
"\n",
"本书中我们用到一种名为*梯度下降*(gradient descent)的方法,\n",
"这种方法几乎可以优化所有深度学习模型。\n",
"它通过不断地在损失函数递减的方向上更新参数来降低误差。\n",
"\n",
"梯度下降最简单的用法是计算损失函数(数据集中所有样本的损失均值)\n",
"关于模型参数的导数(在这里也可以称为梯度)。\n",
"但实际中的执行可能会非常慢:因为在每一次更新参数之前,我们必须遍历整个数据集。\n",
"因此,我们通常会在每次需要计算更新的时候随机抽取一小批样本,\n",
"这种变体叫做*小批量随机梯度下降*(minibatch stochastic gradient descent)。\n",
"\n",
"在每次迭代中,我们首先随机抽样一个小批量$\\mathcal{B}$,\n",
"它是由固定数量的训练样本组成的。\n",
"然后,我们计算小批量的平均损失关于模型参数的导数(也可以称为梯度)。\n",
"最后,我们将梯度乘以一个预先确定的正数$\\eta$,并从当前参数的值中减掉。\n",
"\n",
"我们用下面的数学公式来表示这一更新过程($\\partial$表示偏导数):\n",
"\n",
"$$(\\mathbf{w},b) \\leftarrow (\\mathbf{w},b) - \\frac{\\eta}{|\\mathcal{B}|} \\sum_{i \\in \\mathcal{B}} \\partial_{(\\mathbf{w},b)} l^{(i)}(\\mathbf{w},b).$$\n",
"\n",
"总结一下,算法的步骤如下:\n",
"(1)初始化模型参数的值,如随机初始化;\n",
"(2)从数据集中随机抽取小批量样本且在负梯度的方向上更新参数,并不断迭代这一步骤。\n",
"对于平方损失和仿射变换,我们可以明确地写成如下形式:\n",
"\n",
"$$\\begin{aligned} \\mathbf{w} &\\leftarrow \\mathbf{w} - \\frac{\\eta}{|\\mathcal{B}|} \\sum_{i \\in \\mathcal{B}} \\partial_{\\mathbf{w}} l^{(i)}(\\mathbf{w}, b) = \\mathbf{w} - \\frac{\\eta}{|\\mathcal{B}|} \\sum_{i \\in \\mathcal{B}} \\mathbf{x}^{(i)} \\left(\\mathbf{w}^\\top \\mathbf{x}^{(i)} + b - y^{(i)}\\right),\\\\ b &\\leftarrow b - \\frac{\\eta}{|\\mathcal{B}|} \\sum_{i \\in \\mathcal{B}} \\partial_b l^{(i)}(\\mathbf{w}, b) = b - \\frac{\\eta}{|\\mathcal{B}|} \\sum_{i \\in \\mathcal{B}} \\left(\\mathbf{w}^\\top \\mathbf{x}^{(i)} + b - y^{(i)}\\right). \\end{aligned}$$\n",
":eqlabel:`eq_linreg_batch_update`\n",
"\n",
"公式 :eqref:`eq_linreg_batch_update`中的$\\mathbf{w}$和$\\mathbf{x}$都是向量。\n",
"在这里,更优雅的向量表示法比系数表示法(如$w_1, w_2, \\ldots, w_d$)更具可读性。\n",
"$|\\mathcal{B}|$表示每个小批量中的样本数,这也称为*批量大小*(batch size)。\n",
"$\\eta$表示*学习率*(learning rate)。\n",
"批量大小和学习率的值通常是手动预先指定,而不是通过模型训练得到的。\n",
"这些可以调整但不在训练过程中更新的参数称为*超参数*(hyperparameter)。\n",
"*调参*(hyperparameter tuning)是选择超参数的过程。\n",
"超参数通常是我们根据训练迭代结果来调整的,\n",
"而训练迭代结果是在独立的*验证数据集*(validation dataset)上评估得到的。\n",
"\n",
"在训练了预先确定的若干迭代次数后(或者直到满足某些其他停止条件后),\n",
"我们记录下模型参数的估计值,表示为$\\hat{\\mathbf{w}}, \\hat{b}$。\n",
"但是,即使我们的函数确实是线性的且无噪声,这些估计值也不会使损失函数真正地达到最小值。\n",
"因为算法会使得损失向最小值缓慢收敛,但却不能在有限的步数内非常精确地达到最小值。\n",
"\n",
"线性回归恰好是一个在整个域中只有一个最小值的学习问题。\n",
"但是对像深度神经网络这样复杂的模型来说,损失平面上通常包含多个最小值。\n",
"深度学习实践者很少会去花费大力气寻找这样一组参数,使得在*训练集*上的损失达到最小。\n",
"事实上,更难做到的是找到一组参数,这组参数能够在我们从未见过的数据上实现较低的损失,\n",
"这一挑战被称为*泛化*(generalization)。\n",
"\n",
"### 用模型进行预测\n",
"\n",
"给定“已学习”的线性回归模型$\\hat{\\mathbf{w}}^\\top \\mathbf{x} + \\hat{b}$,\n",
"现在我们可以通过房屋面积$x_1$和房龄$x_2$来估计一个(未包含在训练数据中的)新房屋价格。\n",
"给定特征估计目标的过程通常称为*预测*(prediction)或*推断*(inference)。\n",
"\n",
"本书将尝试坚持使用*预测*这个词。\n",
"虽然*推断*这个词已经成为深度学习的标准术语,但其实*推断*这个词有些用词不当。\n",
"在统计学中,*推断*更多地表示基于数据集估计参数。\n",
"当深度学习从业者与统计学家交谈时,术语的误用经常导致一些误解。\n",
"\n",
"## 矢量化加速\n",
"\n",
"在训练我们的模型时,我们经常希望能够同时处理整个小批量的样本。\n",
"为了实现这一点,需要(**我们对计算进行矢量化,\n",
"从而利用线性代数库,而不是在Python中编写开销高昂的for循环**)。\n"
]
},
{
"cell_type": "code",
"execution_count": 1,
"id": "00f34f5f",
"metadata": {
"execution": {
"iopub.execute_input": "2023-08-18T07:05:53.225628Z",
"iopub.status.busy": "2023-08-18T07:05:53.224888Z",
"iopub.status.idle": "2023-08-18T07:05:55.670980Z",
"shell.execute_reply": "2023-08-18T07:05:55.670021Z"
},
"origin_pos": 2,
"tab": [
"pytorch"
]
},
"outputs": [],
"source": [
"%matplotlib inline\n",
"import math\n",
"import time\n",
"import numpy as np\n",
"import torch\n",
"from d2l import torch as d2l"
]
},
{
"cell_type": "markdown",
"id": "16134deb",
"metadata": {
"origin_pos": 5
},
"source": [
"为了说明矢量化为什么如此重要,我们考虑(**对向量相加的两种方法**)。\n",
"我们实例化两个全为1的10000维向量。\n",
"在一种方法中,我们将使用Python的for循环遍历向量;\n",
"在另一种方法中,我们将依赖对`+`的调用。\n"
]
},
{
"cell_type": "code",
"execution_count": 2,
"id": "6dab2aed",
"metadata": {
"execution": {
"iopub.execute_input": "2023-08-18T07:05:55.677138Z",
"iopub.status.busy": "2023-08-18T07:05:55.676615Z",
"iopub.status.idle": "2023-08-18T07:05:55.683088Z",
"shell.execute_reply": "2023-08-18T07:05:55.682108Z"
},
"origin_pos": 6,
"tab": [
"pytorch"
]
},
"outputs": [],
"source": [
"n = 10000\n",
"a = torch.ones([n])\n",
"b = torch.ones([n])"
]
},
{
"cell_type": "markdown",
"id": "4d858f1b",
"metadata": {
"origin_pos": 7
},
"source": [
"由于在本书中我们将频繁地进行运行时间的基准测试,所以[**我们定义一个计时器**]:\n"
]
},
{
"cell_type": "code",
"execution_count": 3,
"id": "debf1949",
"metadata": {
"execution": {
"iopub.execute_input": "2023-08-18T07:05:55.687766Z",
"iopub.status.busy": "2023-08-18T07:05:55.687275Z",
"iopub.status.idle": "2023-08-18T07:05:55.694676Z",
"shell.execute_reply": "2023-08-18T07:05:55.693692Z"
},
"origin_pos": 8,
"tab": [
"pytorch"
]
},
"outputs": [],
"source": [
"class Timer: #@save\n",
" \"\"\"记录多次运行时间\"\"\"\n",
" def __init__(self):\n",
" self.times = []\n",
" self.start()\n",
"\n",
" def start(self):\n",
" \"\"\"启动计时器\"\"\"\n",
" self.tik = time.time()\n",
"\n",
" def stop(self):\n",
" \"\"\"停止计时器并将时间记录在列表中\"\"\"\n",
" self.times.append(time.time() - self.tik)\n",
" return self.times[-1]\n",
"\n",
" def avg(self):\n",
" \"\"\"返回平均时间\"\"\"\n",
" return sum(self.times) / len(self.times)\n",
"\n",
" def sum(self):\n",
" \"\"\"返回时间总和\"\"\"\n",
" return sum(self.times)\n",
"\n",
" def cumsum(self):\n",
" \"\"\"返回累计时间\"\"\"\n",
" return np.array(self.times).cumsum().tolist()"
]
},
{
"cell_type": "markdown",
"id": "68e4d328",
"metadata": {
"origin_pos": 9
},
"source": [
"现在我们可以对工作负载进行基准测试。\n",
"\n",
"首先,[**我们使用for循环,每次执行一位的加法**]。\n"
]
},
{
"cell_type": "code",
"execution_count": 4,
"id": "53998dfd",
"metadata": {
"execution": {
"iopub.execute_input": "2023-08-18T07:05:55.699851Z",
"iopub.status.busy": "2023-08-18T07:05:55.699125Z",
"iopub.status.idle": "2023-08-18T07:05:55.877034Z",
"shell.execute_reply": "2023-08-18T07:05:55.875673Z"
},
"origin_pos": 10,
"tab": [
"pytorch"
]
},
"outputs": [
{
"data": {
"text/plain": [
"'0.16749 sec'"
]
},
"execution_count": 4,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"c = torch.zeros(n)\n",
"timer = Timer()\n",
"for i in range(n):\n",
" c[i] = a[i] + b[i]\n",
"f'{timer.stop():.5f} sec'"
]
},
{
"cell_type": "markdown",
"id": "c48c5704",
"metadata": {
"origin_pos": 13
},
"source": [
"(**或者,我们使用重载的`+`运算符来计算按元素的和**)。\n"
]
},
{
"cell_type": "code",
"execution_count": 5,
"id": "7a6c052c",
"metadata": {
"execution": {
"iopub.execute_input": "2023-08-18T07:05:55.882550Z",
"iopub.status.busy": "2023-08-18T07:05:55.881702Z",
"iopub.status.idle": "2023-08-18T07:05:55.890012Z",
"shell.execute_reply": "2023-08-18T07:05:55.888724Z"
},
"origin_pos": 14,
"tab": [
"pytorch"
]
},
"outputs": [
{
"data": {
"text/plain": [
"'0.00042 sec'"
]
},
"execution_count": 5,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"timer.start()\n",
"d = a + b\n",
"f'{timer.stop():.5f} sec'"
]
},
{
"cell_type": "markdown",
"id": "5e343af9",
"metadata": {
"origin_pos": 15
},
"source": [
"结果很明显,第二种方法比第一种方法快得多。\n",
"矢量化代码通常会带来数量级的加速。\n",
"另外,我们将更多的数学运算放到库中,而无须自己编写那么多的计算,从而减少了出错的可能性。\n",
"\n",
"## 正态分布与平方损失\n",
":label:`subsec_normal_distribution_and_squared_loss`\n",
"\n",
"接下来,我们通过对噪声分布的假设来解读平方损失目标函数。\n",
"\n",
"正态分布和线性回归之间的关系很密切。\n",
"正态分布(normal distribution),也称为*高斯分布*(Gaussian distribution),\n",
"最早由德国数学家高斯(Gauss)应用于天文学研究。\n",
"简单的说,若随机变量$x$具有均值$\\mu$和方差$\\sigma^2$(标准差$\\sigma$),其正态分布概率密度函数如下:\n",
"\n",
"$$p(x) = \\frac{1}{\\sqrt{2 \\pi \\sigma^2}} \\exp\\left(-\\frac{1}{2 \\sigma^2} (x - \\mu)^2\\right).$$\n",
"\n",
"下面[**我们定义一个Python函数来计算正态分布**]。\n"
]
},
{
"cell_type": "code",
"execution_count": 6,
"id": "fa7e3595",
"metadata": {
"execution": {
"iopub.execute_input": "2023-08-18T07:05:55.895314Z",
"iopub.status.busy": "2023-08-18T07:05:55.894485Z",
"iopub.status.idle": "2023-08-18T07:05:55.900942Z",
"shell.execute_reply": "2023-08-18T07:05:55.899745Z"
},
"origin_pos": 16,
"tab": [
"pytorch"
]
},
"outputs": [],
"source": [
"def normal(x, mu, sigma):\n",
" p = 1 / math.sqrt(2 * math.pi * sigma**2)\n",
" return p * np.exp(-0.5 / sigma**2 * (x - mu)**2)"
]
},
{
"cell_type": "markdown",
"id": "ea5ec143",
"metadata": {
"origin_pos": 17
},
"source": [
"我们现在(**可视化正态分布**)。\n"
]
},
{
"cell_type": "code",
"execution_count": 7,
"id": "7d3e1e42",
"metadata": {
"execution": {
"iopub.execute_input": "2023-08-18T07:05:55.906310Z",
"iopub.status.busy": "2023-08-18T07:05:55.905361Z",
"iopub.status.idle": "2023-08-18T07:05:56.341164Z",
"shell.execute_reply": "2023-08-18T07:05:56.339902Z"
},
"origin_pos": 19,
"tab": [
"pytorch"
]
},
"outputs": [
{
"data": {
"image/svg+xml": [
"\n",
"\n",
"\n"
],
"text/plain": [
""
]
},
"metadata": {
"needs_background": "light"
},
"output_type": "display_data"
}
],
"source": [
"# 再次使用numpy进行可视化\n",
"x = np.arange(-7, 7, 0.01)\n",
"\n",
"# 均值和标准差对\n",
"params = [(0, 1), (0, 2), (3, 1)]\n",
"d2l.plot(x, [normal(x, mu, sigma) for mu, sigma in params], xlabel='x',\n",
" ylabel='p(x)', figsize=(4.5, 2.5),\n",
" legend=[f'mean {mu}, std {sigma}' for mu, sigma in params])"
]
},
{
"cell_type": "markdown",
"id": "7509f1f1",
"metadata": {
"origin_pos": 20
},
"source": [
"就像我们所看到的,改变均值会产生沿$x$轴的偏移,增加方差将会分散分布、降低其峰值。\n",
"\n",
"均方误差损失函数(简称均方损失)可以用于线性回归的一个原因是:\n",
"我们假设了观测中包含噪声,其中噪声服从正态分布。\n",
"噪声正态分布如下式:\n",
"\n",
"$$y = \\mathbf{w}^\\top \\mathbf{x} + b + \\epsilon,$$\n",
"\n",
"其中,$\\epsilon \\sim \\mathcal{N}(0, \\sigma^2)$。\n",
"\n",
"因此,我们现在可以写出通过给定的$\\mathbf{x}$观测到特定$y$的*似然*(likelihood):\n",
"\n",
"$$P(y \\mid \\mathbf{x}) = \\frac{1}{\\sqrt{2 \\pi \\sigma^2}} \\exp\\left(-\\frac{1}{2 \\sigma^2} (y - \\mathbf{w}^\\top \\mathbf{x} - b)^2\\right).$$\n",
"\n",
"现在,根据极大似然估计法,参数$\\mathbf{w}$和$b$的最优值是使整个数据集的*似然*最大的值:\n",
"\n",
"$$P(\\mathbf y \\mid \\mathbf X) = \\prod_{i=1}^{n} p(y^{(i)}|\\mathbf{x}^{(i)}).$$\n",
"\n",
"根据极大似然估计法选择的估计量称为*极大似然估计量*。\n",
"虽然使许多指数函数的乘积最大化看起来很困难,\n",
"但是我们可以在不改变目标的前提下,通过最大化似然对数来简化。\n",
"由于历史原因,优化通常是说最小化而不是最大化。\n",
"我们可以改为*最小化负对数似然*$-\\log P(\\mathbf y \\mid \\mathbf X)$。\n",
"由此可以得到的数学公式是:\n",
"\n",
"$$-\\log P(\\mathbf y \\mid \\mathbf X) = \\sum_{i=1}^n \\frac{1}{2} \\log(2 \\pi \\sigma^2) + \\frac{1}{2 \\sigma^2} \\left(y^{(i)} - \\mathbf{w}^\\top \\mathbf{x}^{(i)} - b\\right)^2.$$\n",
"\n",
"现在我们只需要假设$\\sigma$是某个固定常数就可以忽略第一项,\n",
"因为第一项不依赖于$\\mathbf{w}$和$b$。\n",
"现在第二项除了常数$\\frac{1}{\\sigma^2}$外,其余部分和前面介绍的均方误差是一样的。\n",
"幸运的是,上面式子的解并不依赖于$\\sigma$。\n",
"因此,在高斯噪声的假设下,最小化均方误差等价于对线性模型的极大似然估计。\n",
"\n",
"## 从线性回归到深度网络\n",
"\n",
"到目前为止,我们只谈论了线性模型。\n",
"尽管神经网络涵盖了更多更为丰富的模型,我们依然可以用描述神经网络的方式来描述线性模型,\n",
"从而把线性模型看作一个神经网络。\n",
"首先,我们用“层”符号来重写这个模型。\n",
"\n",
"### 神经网络图\n",
"\n",
"深度学习从业者喜欢绘制图表来可视化模型中正在发生的事情。\n",
"在 :numref:`fig_single_neuron`中,我们将线性回归模型描述为一个神经网络。\n",
"需要注意的是,该图只显示连接模式,即只显示每个输入如何连接到输出,隐去了权重和偏置的值。\n",
"\n",
"\n",
":label:`fig_single_neuron`\n",
"\n",
"在 :numref:`fig_single_neuron`所示的神经网络中,输入为$x_1, \\ldots, x_d$,\n",
"因此输入层中的*输入数*(或称为*特征维度*,feature dimensionality)为$d$。\n",
"网络的输出为$o_1$,因此输出层中的*输出数*是1。\n",
"需要注意的是,输入值都是已经给定的,并且只有一个*计算*神经元。\n",
"由于模型重点在发生计算的地方,所以通常我们在计算层数时不考虑输入层。\n",
"也就是说, :numref:`fig_single_neuron`中神经网络的*层数*为1。\n",
"我们可以将线性回归模型视为仅由单个人工神经元组成的神经网络,或称为单层神经网络。\n",
"\n",
"对于线性回归,每个输入都与每个输出(在本例中只有一个输出)相连,\n",
"我们将这种变换( :numref:`fig_single_neuron`中的输出层)\n",
"称为*全连接层*(fully-connected layer)或称为*稠密层*(dense layer)。\n",
"下一章将详细讨论由这些层组成的网络。\n",
"\n",
"### 生物学\n",
"\n",
"线性回归发明的时间(1795年)早于计算神经科学,所以将线性回归描述为神经网络似乎不合适。\n",
"当控制学家、神经生物学家沃伦·麦库洛奇和沃尔特·皮茨开始开发人工神经元模型时,\n",
"他们为什么将线性模型作为一个起点呢?\n",
"我们来看一张图片 :numref:`fig_Neuron`:\n",
"这是一张由*树突*(dendrites,输入终端)、\n",
"*细胞核*(nucleus,CPU)组成的生物神经元图片。\n",
"*轴突*(axon,输出线)和*轴突端子*(axon terminal,输出端子)\n",
"通过*突触*(synapse)与其他神经元连接。\n",
"\n",
"\n",
":label:`fig_Neuron`\n",
"\n",
"树突中接收到来自其他神经元(或视网膜等环境传感器)的信息$x_i$。\n",
"该信息通过*突触权重*$w_i$来加权,以确定输入的影响(即,通过$x_i w_i$相乘来激活或抑制)。\n",
"来自多个源的加权输入以加权和$y = \\sum_i x_i w_i + b$的形式汇聚在细胞核中,\n",
"然后将这些信息发送到轴突$y$中进一步处理,通常会通过$\\sigma(y)$进行一些非线性处理。\n",
"之后,它要么到达目的地(例如肌肉),要么通过树突进入另一个神经元。\n",
"\n",
"当然,许多这样的单元可以通过正确连接和正确的学习算法拼凑在一起,\n",
"从而产生的行为会比单独一个神经元所产生的行为更有趣、更复杂,\n",
"这种想法归功于我们对真实生物神经系统的研究。\n",
"\n",
"当今大多数深度学习的研究几乎没有直接从神经科学中获得灵感。\n",
"我们援引斯图尔特·罗素和彼得·诺维格在他们的经典人工智能教科书\n",
"*Artificial Intelligence:A Modern Approach* :cite:`Russell.Norvig.2016`\n",
"中所说的:虽然飞机可能受到鸟类的启发,但几个世纪以来,鸟类学并不是航空创新的主要驱动力。\n",
"同样地,如今在深度学习中的灵感同样或更多地来自数学、统计学和计算机科学。\n",
"\n",
"## 小结\n",
"\n",
"* 机器学习模型中的关键要素是训练数据、损失函数、优化算法,还有模型本身。\n",
"* 矢量化使数学表达上更简洁,同时运行的更快。\n",
"* 最小化目标函数和执行极大似然估计等价。\n",
"* 线性回归模型也是一个简单的神经网络。\n",
"\n",
"## 练习\n",
"\n",
"1. 假设我们有一些数据$x_1, \\ldots, x_n \\in \\mathbb{R}$。我们的目标是找到一个常数$b$,使得最小化$\\sum_i (x_i - b)^2$。\n",
" 1. 找到最优值$b$的解析解。\n",
" 1. 这个问题及其解与正态分布有什么关系?\n",
"1. 推导出使用平方误差的线性回归优化问题的解析解。为了简化问题,可以忽略偏置$b$(我们可以通过向$\\mathbf X$添加所有值为1的一列来做到这一点)。\n",
" 1. 用矩阵和向量表示法写出优化问题(将所有数据视为单个矩阵,将所有目标值视为单个向量)。\n",
" 1. 计算损失对$w$的梯度。\n",
" 1. 通过将梯度设为0、求解矩阵方程来找到解析解。\n",
" 1. 什么时候可能比使用随机梯度下降更好?这种方法何时会失效?\n",
"1. 假定控制附加噪声$\\epsilon$的噪声模型是指数分布。也就是说,$p(\\epsilon) = \\frac{1}{2} \\exp(-|\\epsilon|)$\n",
" 1. 写出模型$-\\log P(\\mathbf y \\mid \\mathbf X)$下数据的负对数似然。\n",
" 1. 请试着写出解析解。\n",
" 1. 提出一种随机梯度下降算法来解决这个问题。哪里可能出错?(提示:当我们不断更新参数时,在驻点附近会发生什么情况)请尝试解决这个问题。\n"
]
},
{
"cell_type": "markdown",
"id": "3c59afc9",
"metadata": {
"origin_pos": 22,
"tab": [
"pytorch"
]
},
"source": [
"[Discussions](https://discuss.d2l.ai/t/1775)\n"
]
}
],
"metadata": {
"language_info": {
"name": "python"
},
"required_libs": []
},
"nbformat": 4,
"nbformat_minor": 5
}