NTU-Coursera机器学习:VC Bound和VC维度

from http://blog.csdn.net/songzitea/article/details/43112233

Break Point 对成长函数的限制

上一讲重点是一些分析机器学习可行性的重要思想和概念，尤其是生长函数(growth function) 和突破点(break point) 的理解(上一节提到的4个成长函数)：

假设对于一个问题，minimum break point k = 2（对于任意2个输入，H不能穷尽所有划分），基于该条件我们做出推论：

即当 N=2 时，成长函数一定 < 2^2=4，所以此时成长函数的 maximum possible value = 3。

当 N=3 时，我们看看成长函数的 maximum possible value 等于多少？

任意3个输入（x1, x2, x3），我们一定能找到以下3个合法的划分：

在寻找更多划分之前，我们要明确一点就是因为k=2，所以（x1, x2, x3）中任意2个点都不能被shatter，所以下面这个划分不可能出现，因为（x2, x3）所有4种可能的划分被穷尽了：

但是接下来的划分就可能了：

再之后，你发现不论再寻找什么划分，总有两个点被shatter：

所以，N=3时成长函数的maximum possible value就是 4 了。而且 4 << 2^3=8。综上我们发现，当 N > break point k，成长函数的maximum possible value显著下降并远小于 2^N。

上一节课最后提出了一个猜测：

如果下面的不等式成立，则猜测一定成立：

边界函数 Bounding Function（成长函数的上限）

边界函数 Bounding Function B(N,k) 的定义：

所以有：

当k=1时，给定任意N个输入，只能有一种划分的可能，因为任何第二种划分都会导致有一个点被shatter，这与k=1相悖，所以：

当 N<k 时，N个输入一定都能被shatter，所以 B(N,k)=2^N：

当 N=k时，首次出现N个输入不能被Shatter，所以 B(N,k)=2^N - 1 一定没错：

综上，在确定B(N,k)的过程中我们已经把软柿子都捏了，现在讨论N>k的情况。

根据上图，B(3,2)=B(2,1)+B(2,2)=1+3=4；B(3,3)=B(2,2)+B(2,3)=3+4=7……..

我们猜测 B(N,k) 与 B(N-1, k-1) + B(N-1, k) 也许有关系。

以B(4,3)为例，4个输入中任意3个都不能被shatter，用一个简单的程序遍历所有2^16个划分组合得到B(4,3)=11。

那些数学家们把这11个划分很鸡贼的分成两组（╮(╯▽╰)╭）：

其中橙色的划分总能找到自己相似的“伴侣”，它与“伴侣”的（x1, x2, x3）相等，x4相反，有 2α 个；

紫色的划分总是“单身”，他找不到那个（x1, x2, x3）与它相等的“伴侣”，有 β 个。所以：

由于k=3，所以（x1, x2, x3）不能被shatter：

由于x4成对，且（x1, x2, x3, x4）不能shatter任意3个，所以（x1, x2, x3）不能shatter任意2个：

所以:

最终

边界函数的成长性为O(N^(k-1))。

======PS:上图中不等式可以用数学归纳法证明：(证明来自课程论坛ID是：Kai-Chi Huang)=====

实际上，不等式中的等号是恒成立的，证明如下：

======================================

对 VC Bound 的图像化证明

把备选函数集H中备选函数的数量M用成长函数代替，我们得到：

我们看看这些多出来的系数都是怎么来的。

====PS:(下述证明过程来自课程论坛 by @hsiao-fei liu)================

首先，E-out(h)衡量的是h在全体输入上的错误，全体输入包含了未知的无限多个输入，所以我们想在训练数据集D之外再搞一个测试数据集D’，然后用E’-in(h)代替E-out(h)，我们把D’叫做 Ghost Data（鬼魂数据？幻影数据？what ever..）。

如果存在h在D上使得

那么有很大概率使得h在D’上得到的错误 E’-in(h)与E-out(h)的距离相比E-in(h)与E-out(h)应该更近：

结合图片解释就是，样本犯错的比例有很大的概率接近全体犯错的比例，所以下面的不等式成立：

因为

所以以上这两个事件没有交集，故：

综合不等式（1）和（2）得到：

所以

=======================================================

上述不等式两边乘以2，右侧是事件【BAD】，左侧是事件发生概率的一个上边界，如果我们用去重后的Union Bound拓展这个边界，得到：

进一步，做一个等效替换：

相当于我们关心D上的错误与（D+D’）上的错误之间的差距,上述不等式变成：

这就是VC Bound：

它提供了一个对机器学习结果可靠性的衡量，因为成长函数是N的多项式，所以BAD事件发生的概率随着N的增大而显著下降。需要强调的是，以上所讲的只适用于二元分类问题，因为我们在推导 break point、成长函数和边界函数时一直都基于二元分类这一前提.

VC Dimension的定义

我们知道dichotomies数量的上限是成长函数，成长函数的上限是边界函数：

边界函数的上限就是N^(k-1)了：

于是我们得到了上限（成长函数）的上限（边界函数）的上限……..

所以VC Bound可以改写成：

复习结束，下面我们定义VC Dimension：

用中文讲，对于某个备选函数集H，VC Dimension就是它所能shatter的最大数据个数N。

VC Dimension = minimum break point - 1。

所以在VC Bound中，(2N)^(k-1)可以替换为(2N)^(VC Dimension)。

VC Dimension与学习算法A，输入分布P，目标函数f均无关。

PLA的VC Dimension

1D的PLA最多shatter2个点，所以VC Dimension = 2；

2D的PLA最多shatter3个点，所以VC Dimension = 3；

所以dD的PLA，VC Dimension会不会等于d+1？

要证明这一点，只需证明：

(1) 证明VC Dimension≥d+1，只需证明H可以shatter某些d+1个输入。我们刻意构造一组d+1个输入：

第一列灰色的1是对每个输入提高1维的操作，这个是一个d+1维的方阵，对角线全部是1，所以该矩阵可逆。对于任意一种输出，我们总能找到一个备选函数使得：

即这一组输入的所有dichotomies都被穷尽了，所以VC Dimension≥d+1得证。

(2) 证明VC Dimension≤d+1，只需证明H不能shatter任何d+2个输入。在2D情形下构造一组4个输入：

所以 x4 = x3 + x2 - x1。

如果前3个输出是：

那么第4个输出是多少？

由于：,所以：

如果有一个备选函数W，使得其在x1,x2,x3上的输出的符号与方程中的符号相同：

那么一定有：

所以H不能shatter 2+2=4个输入。

推广到d维：

任何d+2个数据作为输入，即使升了一维之后，输入矩阵的行数（d+2）依然大于列数（d+1），所以矩阵各行是线性相关的，即x(d+2)能用x(d+1),……,x2,x1的线性组合来表示。

我们假设H可以shatter d+2个输入，那么我们一定能找到一个W，使得x(d+1),……,x2,x1对应的输出的符号与他们在线性表达式中的系数符号相同：

所以：

之前的假设是错的，H不能shatter d+2个输入。所以VC Dimension≤d+1得证。

综合(1)(2)，对于d-D PLA，其VC Dimension=d+1。

VC Dimension的物理意义

在教程中这么说：

即VC Dimension是备选函数集H的“能力”。“能力”越大，H对数据的划分就越细致。

例如，从Positive Ray到Positive Interval，自由变量从1个变成了2个，VC Dimension从1变成了2，H变得更强大。

在VC Dimension与备选函数集大小M基本正相关：

深入理解VC Dimension

VC Bound:

所以GOOD事件：| E-in(h) - E-out(h) ≤ ε |可以改写成：

我们最终希望E-out越小越好，所以上面的不等式中可以只关心上界。我们把根号项看做一种惩罚，它拉大了E-in与E-out之间的距离，这个惩罚与“模型复杂度”有关，模型越复杂，惩罚越大：

上面的”模型复杂度“ 的惩罚(penalty)，基本表达了模型越复杂（VC维大），Eout 可能距离Ein 越远。下面的曲线可以更直观地表示这一点：一图胜千言，可以看出随着模型复杂度的增加，E-in与E-out两条曲线渐行渐远。

如果VC Dimension太大，模型复杂度增加，E-in与E-out偏离；

如果VC Dimension太小，虽然E-in≈E-out，但H不够给力，很难找到不犯错（或很少犯错）的h。

———————————————————————————————————–

VC Bound提高了数据复杂度。

用一个简单的数学题就能说明：

你帮老板分析股票数据，老板说E-in与E-out差距最大为ε=0.1；置信度为90%，即δ=0.1；所用模型的VC Dimension = 3。你用程序算了一番，发现：

于是你向老板汇报，请给我29300条数据作为训练集、29300条作为测试集，我就能达到你的要求，如果想万无一失，200000条数据是起码的。本来被老板逼死的节奏，现在要把老板逼死了，哪来这么多数据？

本题中：

need N ≈ 10000 * VC Dimension

而实际应用中，需要的数据量在10倍VC Dimension左右。

为什么VC Bound会这么宽松，以至于过多估算数据量？

因为VC Bound对数据分布、目标函数、备选函数集、学习算法都没有要求，它牺牲了部分精确性，换来了无所不包的一般性。这使得VC Bound具有哲学意义上的指导性。即便如此，VC Dimension & VC bound 依然是分析机器学习模型的最重要的理论工具。

关于Machine Learning更多讨论与交流，敬请关注本博客和新浪微博songzi_tea.