深入理解泛化

文章目录

- - - - 1.引言
      - 2.泛化的定义
      - 3.数据集分类
      - 4.泛化能力分类
      - 5.从训练过程来理解泛化
      - 参考资料

1.引言

什么是泛化呢？

先举个栗子：

小明和小李都上了高三。小明头脑机灵，一边刷着五年高考三年模拟一边总结做题规律，而小李一门心思刷题，一套完了又一套，刷的试卷堆成山了却没有对错题进行总结。高考结束成绩公布，小明超出一本线几十分，而小李却勉强上了二本线。这是为什么呢？

原来高考试题一般是新题，谁也没做过，平时的刷题就是为了掌握试题的规律，能够举一反三、学以致用，这样面对新题时也能从容应对。这种对规律的掌握便是泛化能力。

在这个例子中，小明善于总结做题规律，可以说是他的泛化能力好；而小李只知道刷题却没有掌握做题规律，可以说是他的泛化能力差。

2.泛化的定义

机器学习（深度学习）的根本问题是优化和泛化之间的对立。

优化（optimization）是指调节模型以在训练数据上得到最佳性能（即机器学习中的学习），而泛化（generalization）是指训练好的模型在前所未见的数据上的性能好坏。

机器学习的目的当然是得到良好的泛化，但你无法控制泛化，只能基于训练数据调节模型。

对泛化能力可以从以下六个方面来理解：

泛化能力最直接的定义是训练数据和真实数据间的差异，训练模型的目地是要模型在完全陌生的数据上进行测试的；

泛化能力还可以看成模型的稀疏性。正如奥卡姆的剪刀指出的，面对不同的解释时，最简单的解释是最好的解释。在机器学习中，具有泛化能力的模型中应该有很多参数是接近0的。而在深度学习中，则是待优化的矩阵应该对稀疏性有偏好性。

泛化能力的第三种解释是生成模型中的高保真能力。具有泛化能力的模型应在其每个抽象层次具有重构特征的能力。

第四种解释是模型能够有效的忽视琐碎的特征，或者说在无关的变化下都能找到相同的特征。

泛化能力还可以看成模型的信息压缩能力。

这里涉及到解释为什么深度学习有效的一种假说，信息瓶颈（information bottleneck），说的是一个模型对特征进行压缩（降维）的能力越强，其就越更大的可能性做出准确的分类。信息压缩能力可以概括上述的四种关于泛化能力的解释，稀疏的模型因其结构而完成了信息的压缩，生成能力强，泛化误差低的模型因信息压缩而可能，而忽略无关特征是信息压缩的副产品。

理解泛化能力的最后一种角度是风险最小化。

这是从博弈论的角度来看，泛化能力强的模型能尽可能降低自己在真实环境中遇到意外的风险，因此会在内部产生对未知特征的预警机制，并提前做好应对预案。这是一种很抽象的也不那么精确的解释，但随着技术的进步，人们会找出在该解释下进行模型泛化能力的量化评价方法。

3.数据集分类

数据集可以分为：

训练集：实际训练算法的数据集；用来计算梯度或者Jacobian矩阵，并确定每次迭代中网络权值的更新；
验证集：用于跟踪其学习效果的数据集；是一个指示器，用来表明训练数据点之间所形成的网络函数发生了什么，并且验证集上的误差值在整个训练过程中都将被监测；
测试集：用于产生最终结果的数据集。

为了让测试集能有效反映网络的泛化能力，需要牢记：

第一，测试集绝不能以任何形式用于训练网络，即使是用于从一组备选网络中挑选网络中挑选网络。测试集只能在所有的训练和模型选择完成后使用；

第二、测试集必须代表网络使用中涉及的所有情形（当输入空间是高维或者形状复杂时，难以保证）。

举个栗子：

老师出了10 道习题供同学们练习，考试时老师又用同样的这10道题作为试题，这个考试成绩能否有效反映出同学们学得好不好呢?

答案是否定的，可能有的同学只会做这10 道题却能得高分.回到我们的问题上来，我们希望得到泛化性能强的模型?好比是希望同学们对课程学得很好、获得了对所学知识"举一反三"的能力;训练样本相当于给同学们练习的习题，测试过程则相当于考试.显然，若测试样本被用作训练了，则得到的将是过于"乐观"的估计结果。

4.泛化能力分类

根据泛化能力强弱，可以分为：

欠拟合：模型不能在训练集上获得足够低的误差；
拟合：测试误差与训练误差差距较小；
过拟合：训练误差和测试误差之间的差距太大；
不收敛：模型不是根据训练集训练得到的。

在机器学习中，可以用Bias(偏差)、Variance(方差)衡量欠拟合、刚好拟合、过拟合。

对于Bias:

Bias衡量模型拟合训练数据的能力（训练数据不一定是整个 training dataset，而是只用于训练它的那一部分数据，例如：mini-batch）；
Bias反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度；
Bias 越小，拟合能力越高（可能产生overfitting）；反之，拟合能力越低（可能产生underfitting）。

对于Variance：

Variance描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散，模型的稳定程度越差；
Variance反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性；
Variance越小，模型的泛化的能力越高；反之，模型的泛化的能力越低。

左图是高偏差，对应欠拟合；右图是高方差，对应过拟合，中间是Just Right，对应刚好拟合。

对于过拟合，可以理解为：

过拟合指的是给定一堆数据，这堆数据带有噪声，利用模型去拟合这堆数据，可能会把噪声数据也给拟合了，这点很致命，一方面会造成模型比较复杂（想想看，本来一次函数能够拟合的数据，现在由于数据带有噪声，导致要用五次函数来拟合，多复杂！），另一方面，模型的泛化性能太差了（本来是一次函数生成的数据，结果由于噪声的干扰，得到的模型是五次的），遇到了新的数据让你测试，你所得到的过拟合的模型，正确率是很差的。

5.从训练过程来理解泛化

模型的容量（capacity）：通常指模型中可学习参数的个数（或模型复杂度）。

训练刚开始的时候，模型还在学习过程中，在训练集以及测试集上同时具有较高的误差，此时模型的偏差较大。这个时候，模型还没有学习到知识，处于欠拟合状态，曲线落在欠拟合区域。

随着训练的进行，训练误差和测试误差都下降。随着模型的进一步训练，在训练集上表现的越来越好，终于在突破一个点之后，训练集的误差继续下降，而测试集的误差上升了，此时模型的方差较大，就进入了过拟合区间。它通常发生在模型过于复杂的情况下，如参数过多等，会使得模型的预测性能变弱，并且增加数据的波动性。虽然模型在训练时的效果可以表现的很完美，基本上记住了数据的全部特点，但这种模型在未知数据的表现能力会大减折扣，因为简单的模型泛化能力通常都是很弱的。

因此，所使用的模型应该具有足够多的参数，以防欠拟合，即模型应避免记忆资源不足。在容量过大与容量不足之间要找到一个折中，即最优容量。

这里有两个地方需要注意。

(1) 模型训练过程中，训练集的误差一定一直低于测试集吗？

未必。如果这两个集合本来就取自于同样的数据分布，比如从一个数据集中随机采样，那么有可能测试的误差从一开始就低于训练集。不过，总体的趋势肯定是不变的，两者从一开始慢慢下降直到最后过拟合，训练集的误差低于测试集。

(2) 模型的训练一定会过拟合吗？

这也不一定！如果数据集足够大，很可能模型的能力不够始终都不会过拟合。另一方面，有很多的方法可以阻止，或者减缓模型的过拟合，比如正则化。