标签：

生成学习与判别学习

像逻辑回归，用hθ(x) = g(θTx) 直接地来建模 p(y|x; θ) ；或者像感知机，直接从输入空间映射到输出空间（0或1），它们都被称作判别学习（discriminative learning）。
与之相对的是生成学习（generative learning），先对 p(x|y) 与 p(y) 建模，然后通过贝叶斯法则导出后验条件概率分布

分母的计算规则为全概率公式：p(x) = p(x|y = 1)p(y = 1) + p(x|y =0)p(y = 0)。
这一节介绍的三个算法GDA、朴素贝叶斯、多项事件模型，都属于生成学习的范畴。

GDA (Gaussian discriminant analysis)

1.多元正态分布

因为GDA要通过多元正态分布来对p(x|y)进行建模，所以先介绍一下多元正态：

其中两个参数：μ为均值向量，Σ为协方差矩阵。
接下来从比较容易可视化的二元正态分布图像入手，了解参数变化对概率分布变化的影响：

2.模型

注：虽然在y分别为0与1的时候，有两个不同的均值向量，这个模型通常接受使用同一个协方差矩阵。

3.策略

极大化似然函数

4.算法

极大化似然函数可以得到解析解：

5.GDA与逻辑回归的联系与比较

如果我们把p(y=1 | x; Φ, μ0, μ1, Σ)当成x的函数，那么GDA的模型可以用逻辑回归的形式来表示：

在这里，θ是Φ, μ0, μ1, Σ的一个函数。
更进一步，如果p(x|y)是一个多元正态分布（共享协方差矩阵Σ），那么p(y|x)将服从一个逻辑函数；但是反过来，如果p(y|x)是一个逻辑函数，那么p(x|y)不一定是一个多元正态分布。也就是说GDA与逻辑回归相比有更强的建模假设，如果这些假设是正确的，那么GDA将拟合出更好地模型，尤其是当p(x|y)确实是两个个共享协方差矩阵的多元正态分布时，那么GDA被成为asymptotically efficient(也就是当数据量很大时，没有算法能够比GDA更好)，在这个背景下，即使数据量不大，我们任然会认为GDA的效果会优于逻辑回归。
但是，逻辑回归有更好地鲁棒性，不像GDA对建模的假设那么敏感，例如：如果 x|y=0 ~ Possion(λ0)   x|y=1 ~ Possion(λ1)，那么p(y|x)也将服从逻辑模型，但如果用GDA来建模的话，效果就会不理想。当数据确实不服从正态分布，并且数据量很大时，逻辑回归几乎总是优于GDA，因此在实践中，逻辑回归的使用要比GDA普遍。
接下来我们来看一个更为流行的生成学习算法：朴素贝叶斯

朴素贝叶斯 Naive Bayes

在GDA中，特征向量x都是连续型变量（对应于多元正态分布的随机变量），而朴素贝叶斯的特征向量x则均为离散型变量。

1.朴素贝叶斯（NB）假设

朴素贝叶斯模型常被用于文本分类中，比如垃圾邮件的甄别：从训练集中提取出的所有词去重之后得到一个词汇表(vaocabulary)，每封邮件由一个特征向量表示（特征向量的长度与词汇表的长度相同），如果第i个词在邮件中出现则xi为1否则为0（p(xi|y)除了可以建模为贝努力分布，也可建模为多项分布）。最后，由输入的特征向量对邮件进行分类，判别是否为垃圾邮件。
现在对p(x|y)进行建模，假设我们的词汇表中有50000个词，如果用多项分布对x进行建模，那么将有 250000 种可能的结果，也就是会有 250000-1 个参数，这显然不太具有操作性。因此我们进行NB假设：xi条件独立于给定的y ==> p(x1|y) = p(x1|y, x2)
条件独立的典型例子：人的手臂长度与阅读能力条件独立于给定的年龄。（成年人相对于少年手更长，阅读能力也更强；但是当年龄一定时，手的长度与阅读能力就是相互独立的了）
这样，我们就可以大大削减参数的数量：

虽然这个假设的要求非常高，但是对于许多问题算法的结果还是足够好的。

2.模型

3.策略

极大化似然函数：

4.算法

极大化似然函数可以得到解析解：

==>

5.拉普拉斯平滑（Laplace smoothing）

将训练集中没出现过的情况的概率估计为0并不是一个好的想法，比如：垃圾邮件分类的问题中，当一封新的邮件中包含了训练集的词汇表中未曾出现过的新词，那么此时p(y=1|x) = p(y=0|x) = 0，将无法进行分类。
因此，我们有了拉普拉斯平滑。举例来说：多项分布的参数估计（m个训练样本，变量z的取值为{1,…,k}）

这样我们既保证了

也使得未在训练集中出现的情况，不会被估计为0。
朴素贝叶斯的参数估计依据拉普拉斯平滑，可调整为：

多项事件模型

专为文本分类而生。

1.模型

xi代表邮件中第i个词在词汇表中的索引（也就是xi在{1,…,|V|}中取值，|V|是词汇库的词汇量），n个词的邮件将由一个长度为n的向量代表，不同文章的向量长度将可能不相同。
在多项事件模型中，我们假设邮件是这样产生的：首先通过p(y)决定这是否是一封垃圾邮件，然后通过多项分布p(x|y)分别独立地决定每一个词。最终生成整个邮件的概率为

注：这里基于的假设是：每个词在一篇邮件中出现的概率，与其所在的位置无关。

2.策略

极大化似然函数：

3.算法

极大化似然函数可以得到解析解：

进行拉普拉斯平滑后得到：

斯坦福CS229机器学习课程笔记四：GDA、朴素贝叶斯、多项事件模型

标签：

原文地址：http://www.cnblogs.com/logosxxw/p/4651435.html