神经网络中的网络优化和正则化问题介绍主要分为一,二,三,四篇进行介绍(如下所示),本篇为最后一篇主要介绍神经网络中的网络正则化。
第一篇包括
网络优化和正则化概述
优化算法介绍
第二篇包括
参数初始化
数据预处理
逐层归一化
第三篇包括
超参数优化
第四篇包括
网络正则化
机器学习模型中的关键是泛化问题,即样本在真实数据集上的期望风险最小化,而在训练集上的经验风险最小化和期望风险并不一致。由于神经网络的拟合能力很强,其在训练集上的训练误差会降的很小,从而导致过拟合。
正则化(Regularization)是一类通过限制模型复杂度,从而避免过拟合,提高模型泛化能力的一种方法,包括引入一些约束规则,增加先验,提前终止等。
在传统的机器学习模型中,提高模型泛化能力的主要方法是限制模型复杂度,比如正则,但是在训练深层神经网络时,特别是在过度参数(OverParameterized)时,正则化不如机器学习模型中效果明显,因此会引入其他的一些方法,比如:数据增强,提前终止,丢弃法,继承法等。
正则是机器学习中常用的正则化方法,通过约束参数的范数来减少模型在训练数据上的过拟合现象。
通过引入正则,优化问题变为:
L为损失函数,为训练的样本数量,为待学习的神经网络,θ 为参数,为正则中的一个,λ 为正则项系数。
带正则化的优化问题等价于下面带约束条件的优化问题:
下图给出了不同范数约束条件下的最优化问题示例:
上图中红线表示范数,黑线表示的等高线(简单起见,这里用直线表示)
从上图最左侧图可以看出,范数的约束条件往往会使最优解位于坐标轴上,从而使用最终的参数为稀疏向量,此外范数在零点不可导,常用下式来代替:
其中 ϵ 为一个非常小的常数。
一种折中的方法是弹性网络正则化(Elastic Net Regularization) ,同时加入正则,如下:
其中分别是正则化项的参数。
权重衰减(Weight Deacy) 也是一种有效的正则化方法,在每次调参时,引入一个衰减系数,表示式为:
其中为第t次更新时的梯度, 为学习率,w 为权重衰减系数,一般取值比较小,比如0.0005。在标准的随机梯度下降中,权重衰减和正则达到的效果相同,因此,权重衰减在一些深度学习框架中用正则来代替。但是在较为复杂的优化方法中,两者并不等价。
提前终止(early stop) 对于深层神经网络而言是一种简单有效的正则化方法,由于深层神经网络拟合能力很强,比较容易在训练集上过拟合,因此在实际操作时往往产出一个和训练集独立的验证集,并用在验证集上的错误来代表期望错误,当验证集上的错误不再下降时,停止迭代。
然而在实际操作中,验证集上的错误率变化曲线并不是一条平衡的曲线,很可能是先升高再降低,因此提前停止的具体停止标准需要根据实际任务上进行优化。
当训练一个深层神经网络时,可以随机丢弃一部分神经元(同时丢弃其对应的连接边)来避免过拟合,这种方法称为 丢弃法(Dropout Method)。每次丢弃的神经元为随机的,对于每一个神经元都以一个概率p来判断要不要停留,对于每一个神经层 ,我们可以引入一个丢弃函数使得。丢弃函数的定义为:
其中是丢弃掩码(dropout mask),通过以概率为p 的贝努力分布随机生成,p 可以通过一个验证集选取一个最优值,也可以设置为0.5, 这样对大部分网络和任务比较有效。在训练时,神经元的平均数量为原来的 p 倍,而在测试时,所有的神经元都可以是激活的,这会造成训练时和测试时的网络结构不一致,为了缓解这个问题,在测试时,需要将每一个神经元的输出乘以p,也相当于把不同的神经网络做了一个平均。
下图给出了一个网络经过dropout的示例。
一般来讲,对于隐藏层的神经元,丢弃率时最好,这样当训练时有一半的神经元是丢弃的,随机生成的网络结构具有多样性。对于输入层的神经元,其丢弃率往往设置为更接近于1的数,使得输入变化不会太大,对输入层的神经元进行丢弃时,相当于给数据增加噪声,提高网络的鲁棒性。
丢弃法一般是针对神经元进行随机丢弃,但是也可以扩展到神经元之间的连接进行随机丢弃,或每一层进行随机丢弃。
丢弃法有两种解释:
(1)集成学习的解释
每做一次丢弃,相当于从原始的网络中采样得到一个子网络,如果一个神经网络有n个神经元,那么可以采样出个子网络,每次训练都相当于是训练一个不同的子网络,这些子网络都共享最开始的参数。那么最终的网络可以看成是集成了指数级个不同风格的组合模型。
(2)贝叶斯学习的解释
丢弃法也可以解释为一个贝叶斯学习的近似,用表示一个要学习的网络,贝叶斯学习是假设参数 θ 为随机向量,并且先验分布为,贝叶斯方法的预测为:
其中为第m次应用丢弃方法后的网络,其参数为全部参数的一次采样。
深层神经网络的训练需要大量的样本才能取得不错的效果,因为在数据量有限的情况下,可以通过 数据增强(Data Augmentation)来增加数据量,提高模型鲁棒性,避免过拟合。目前数据增强主要应用在图像数据上,在文本等其他类型的数据还没有太好的方法。
图像数据增强主要通过算法对图像进行转换,引入噪声方法增强数据的多样性,增强的方法主要有:
转换(Rotation):将图像按照顺时针或者逆时针方向随机旋转一定的角度;
翻转(Flip):将图像沿水平或者垂直方向随机翻转一定的角度;
缩放(Zoom in/out):将图像放大或者缩小一定的比例;
平移(Shift):将图像按照水平或者垂直的方法平移一定步长;
加噪声(Noise):加入随机噪声。
在数据增强中,可以通过给样本加入随机噪声来避免过拟合,同样也可以给样本的标签引入一定的噪声。假设在训练数据集中,有一些样本的标签是被错误标注的,那么最小化这些样本上的损失函数会导致过拟合。一种改善的正则化方法是标签平滑(label smothing),即在输出标签中随机加入噪声,来避免模型过拟合。
一个样本x 的标签一般用onehot向量表示,如下:
这种标签可以看作硬目标(hard targets),如果使用softmax分类器并使用交叉熵损失函数,最小化损失函数会使得正确类和其他类权重差异很大。根据softmax函数的性质可以知道,如果要使得某一类的输出概率接近于1,其未归一化的得分要远大于其他类的得分,这样可能会导致其权重越来越大,并导致过拟合。i
此外如果标签是错误的,会导致严重的过拟合现象,为了改善这种情况,我们可以引入一个噪声会标签进行平滑,即假设样本以ϵ 的概率为其他类,平滑后的标签为:
其中为标签数量,这种标签可以看作是软目标(soft targets)。标签平滑可以避免模型的输出过拟合到硬目标上,并且通常不会降低其分类能力。
上边的标签平滑方法是给其他个标签相同的概率,没有考虑目标之间的相关性。一种更好的做法是按照类别相关性来赋予其他标签不同的概率,比如先训练另外一个更复杂的教师网络,并使用大网络的输出作为软目标进行训练学生网络,这种方法也称为知识精炼(Knowledge Distillation)。
至此,神经网络中的网络优化和正则化(一)(二)(三)(四)篇已经完成,如下:
神经网络中的网络优化和正则化(四)之正则化
神经网络中的网络优化和正则化即是对立又统一的关系,一方面我们希望找到一个最优解使得模型误差最小,另一方面又不希望得到一个最优解,可能陷入过拟合。优化和正则化的目标是期望风险最小化。
目前在深层神经网络中泛化能力还没有很好的理论支持,在传统的机器学习上比较有效的正则化在深层神经网络中作用也比较有限,而一些经验性的做法,比如随机梯度下降和提前终止,会更加有效。