机器学习-损失函数

0，综述

损失函数用于评价模型好坏。一个统计学习方法基本上由三个部分组成：
模型+策略+算法
1，模型， $y=f(x)$ ，即输入样本特征，可以返回样本值或概率值的函数
2，策略，有了模型，如何确定模型中的参数呢？如何根据训练数据拟合一个不错的模型呢？这就是一个训练策略的问题。基本上就是：减小模型误差(损失)或增大模型收益(如最大似然)，这两种方式是可以互相转化的。通常我们会采取减小模型误差的方式。那么，就需要选取一个函数来评价模型的损失(误差)即损失函数。不同的损失函数适用不同的任务。
3，算法，有了损失函数还不够，我们的目的是利用数据降低损失函数。这里就会有一些优化算法适用于降低损害函数。这是一个优化问题。如果损失函数简单，可以直接计算解析解，那很容易就能求得最优参数从而确定模型。但往往在多维数据下，难以甚至无法计算解析解，此时，就需要一些优化算法来逐步逼近最优解。例如梯度下降法，牛顿法，以及一些优化转换方法例如拉格朗日对偶性。

1，0-1损失函数

$L=\begin{cases} 0, \text{ if }y=f(x) \\ 1, \text{ if }y\ne f(x) \end{cases}$
此损失函数形式简单，但是
1，不可导不易优化。
2，一刀切，没有体现f(x)接近和远离y时损失的差异
所以使用有局限性。适用于计数类型的模型，例如k近邻。

2，合页损失函数

一般模型为
$y=sign(wx+b)$
合页损失，重要的组成部分称为函数间隔 $y_i(wx_i+b)$ ，分对则大于0，分错小于0

2.1 感知机损失函数

$L=\sum[-y_i(wx_i+b)]_{+}$

2.2 SVM损失函数

$L=\sum[-y_i(wx_i+b)+1]_{+}+\lambda|w|^2$

2.3 讨论

方括号+的意思是，括号内的值如果小于0，则值等于0，括号内值大于0则保持原值。
两者经验损失部分十分相似，只不过相差1，表示SVM的经验损失比感知机更严格(即使分对了，但 $y_i(wx_i+b)<1$ ,也会带来损失)
我认为两者的损失函数(经验损失)都是合页损失函数(以函数间隔为x轴)，只不过SVM的右偏了一格。而SVM真正比感知机优越的地方在于其L2正则，当然，可以引入核函数则是其更重要的性质与优点了。
另外，SVM的这个损失函数等价于他的最优化问题。把带约束的最优化问题转换为不带约束的最优化问题，在数学上的转换与证明也是十分巧妙的。

3，以熵或基尼指数度量的损失函数

决策树的损失函数
决策树的损失函数通常用于树的剪枝。
$C_{\alpha}(T)=C(T)+\alpha|T|$
$C(T)=\sum_{t=1}^{|T|}N_tH_t(T)$
$H_t(T)$ 表示t叶节点上的熵或基尼指数。
通过计算剪枝前后的损失函数大小来判断是否剪枝。

4，交叉熵损失函数(Cross Entropy Loss)

4.1 K-L散度(Kullback–Leibler divergence)

又称相对熵(Relative Entropy)
举个例子：

假设我们获取了某一地区人口年龄的样本数据D
$D=[(0,18),(1,16),...,(30,22),...(89,1),...(98,0.5)]$
代表了从0岁到98岁的人口数量，单位万人。
此时，我们想用一个分布来拟合这批数据，以预测本地区总体年龄分布。
A想了一个0-98的均匀分布 $M_a$
B想了一个均值45方差30的正态分布 $M_b$
虽然这两个拟合看着都很不靠谱，但是这两个分布哪个更好一点呢？

K-L散度就可以解决这个问题

所谓拟合一个分布，其实就是得到一系列离散或连续的概率值 $Q(x_i)$
通过观测数据/训练数据我们本身也可以得到其分布 $P(x_i)$
K-L散度定义如下：
$\begin{alignedat}{2} D_{KL}(P||Q)&=\sum p(x_i)(logp(x_i)-logq(x_i))\\\\ &=E[logp(x_i)-logq(x_i)]\\\\ &=\sum p(x_i)log\frac{p(x_i)}{q(x_i)} \end{alignedat}$
显然，K-L散度，是指两个分布在同一值下对数概率之差的期望
P，Q两分布越接近，KL散度越小
当两分布相等时(所有对应概率相等)，KL散度=0
另外需注意，KL散度不对称即：
$D_{KL}(P||Q) \neq D_{KL}(Q||P)$

4.2 交叉熵(Cross Entropy)

由KL散度公式可以推算
$\begin{alignedat}{2} D_{KL}(P||Q)&=\sum p(x_i)(logp(x_i)-logq(x_i))\\ &=\sum p(x_i)logp(x_i)-\sum p(x_i)logq(x_i)\\ &=-H(P)-\sum p(x_i)logq(x_i)\\\\ -\sum p(x_i)logq(x_i)&=H(P)+D_{KL}(P||Q) \end{alignedat}$
其中
$H(P,Q)=-\sum p(x_i)logq(x_i)$
就是PQ的交叉熵。
因为常常我们观测数据或训练数据的熵时固定的，所以KL散度和交叉熵只差固定值，所以，可以用交叉熵代替KL散度来评估两个分布或某一个分部与训练数据的差异。

4.3 交叉熵损失函数

1，对于一个二分类任务
一个样本其交叉熵损失就是
$L=-ylogp-(1-y)log(1-p)$
其中
$y\in(0,1)$
$p=f(x)=p(y=1|x)$
则总体损失就是所有样本sum

2，对于一个多分类任务
一个样本的交叉熵损失就是
$L=-\sum_{c=1}^{M}y_c logp_c$
其中
$y_c \in (0,1)$ 表示样本是否属于c类
M 即类别c的数量
$p_c$ 即样本是c类的概率
则总体损失就是所有样本sum
由此可见，对于多样本交叉熵损失函数，其模型需要预测出样本属于各个类别的概率值

5，最大化似然估计与对数损失(Maximum Likelihood Estimation & Logistic Loss)

5.1 最大似然估计

最大似然估计的核心思想是：观测数据D之所以被观测到，是因为数据D出现的概率本身就高。想法很朴素。
似然函数如下：
$\begin{alignedat}{2} l(\theta)&=p(x_1,x_2..x_n|\theta)\\\\ &=\prod_{i=1}^{n}p(x_i|\theta) \end{alignedat}$
最大似然估计即在当前数据下，求解令 $l(\theta)$ 最大的 $\theta$
例如估计抛硬币正面朝上的概率 $p=\theta$
正面 $p(ZM)=p=\theta$
反面 $p(FM)=1-p=1-\theta$

只抛1次，正面朝上
$l(\theta)=p(ZM|\theta)=\theta$
则最大化 $l=1$
即 $\theta=1=p$

抛10次，正6反4
$l(\theta)=\sum p(x_i|\theta)=\theta^6(1-\theta)^4$
$\frac{\partial l(\theta)}{\partial \theta}=\theta^5(1-\theta)^3(6(1-\theta)-4\theta)$
求最大值，令导数=0得
$\theta=0.6$ 即p=0.6

抛10000次，正4901反5099
$\frac{\partial l(\theta)}{\partial \theta}=\theta^{4900}(1-\theta)^{5098}(4901(1-\theta)-5099\theta)$
得 $\theta=0.4901$ 时， $l(\theta)$ 取得最大值

5.2 最大似然函数做目标函数-对数损失

例如在逻辑回归LR推导中，由于逻辑回归会估计样本是正样本的概率 $p(y=1|x)=h(x)=sigmoid(wx)$ ，
这里 $y\in(0,1)$
则对于一个样本(x,y)，其似然函数
$l=p(y=1|x)^y(1-p(y=1|x))^{(1-y)}$
对所有训练数据:
$L=\prod l$
又因为最大化L等价于最大化 $log(L)$ 等价于最小化 $-log(L)$
因为对数具有相乘变相加的特性
$log(ab)=log(a)+log(b)$
所以求解令-logL最小的参数(对于逻辑回归即是w)即可
$-log(L)=\sum(-ylogp-(1-y)log(1-p))$
这不正是交叉熵损失函数吗？
$-logL$ 也被叫做对数损失。
所以对数损失函数和交叉熵损失函数是等价的
交叉熵损失函数，从熵的角度度量模型差异
对数函数，从统计估计的角度度量模型拟合

5.3 对数损失的进一步扩展

假如我们令 $y\in(-1,1)$ 即负类标签由0变为-1
$p(y=1|x)=sigmoid(f(x))=\frac{1}{1+exp(-f(x))}$
$p(y=-1|x)=1-sigmoid(f(x))=\frac{1}{1+exp(f(x))}$
$f(x)=wx$
则有
$p(y|x)=\frac{1}{1+exp(-yf(x))}$
则
$L=\prod p(y|x)=\prod \frac{1}{1+exp(-yf(x))}$

$-logL=\sum(1+exp(-yf(x)))$
这也是对数损失 只不过此时标签 $y\in(1,-1)$

6，指数损失(Exponential Loss)

$L=exp(-y_if(x_i))$
应用于加法模型Adaboost中。
因为指数具有指数相加等于数相乘的性质：
$e^{a+b}=e^ae^b$
所以，对于加法模型
$f_t(x)=f_{t-1}+G_m(x)$
有
$\begin{alignedat}{2} L&=exp(-y_if_t(x))\\ &=exp(-y_if_{t-1}(x))exp(-y_iG_m(x))\\ &=w*exp(-y_iG_m(x)) \end{alignedat}$

7,均方误差(Mean Square Error MSE)

$L=\frac{1}{N}\sum_{i=1}^{N}(y-f(x))^2$

8,平方绝对误差(Mean Absolute Error MAE)

$L=\frac{1}{N}\sum_{i=1}^{N}|y-f(x)|$

8.1 MSE VS MAE

1，MSE全程可导，MAE在0处不可导

2，MAE更鲁棒：
两者差别以 $|y-f(x)|=1$ 为分界线
0~1之间时，MSE<<MAE
大于1时，MSE>>MAE
而当数据有异常值时，往往 $|y-f(x)|>>1$
此时MSE>>MAE
这表示，使用MSE对异常值会更加敏感，而算法为了降低MSE，就会使模型过度偏向异常值。这种现象在MAE上就会减轻很多。所以可以说MAE相对于MSE更鲁棒一些。

另一个解释是，当我们用一个定值去拟合一列数时，MSE拟合的是数据的平均数，而MAE拟合的是数据的中位数。
$\begin{alignedat}{2} MSE&=\frac{1}{N}\sum_{i=1}^{N}(x_i-\theta)^2\\ \frac{\partial MSE}{\partial \theta}&=\frac{2}{N}\sum_{i=1}^{N}(\theta-x_i)=0\\ \theta&=\frac{1}{N}\sum_{i=1}^{N}x_i\\ \end{alignedat}$
所以MSE拟合的是平均数
对于MAE
我们对x从小到大排序
$\begin{alignedat}{2} MAE&=\frac{1}{N}\sum_{i=1}^{N}|x_i-\theta|\\ &=\frac{1}{N}(\sum_{i=1}^{k}(\theta-x_i)+\sum_{i=k+1}^{N}(x_i-\theta) ) \\ \theta& \in [x_{k-1},x_{k+1}]\\\\ \frac{\partial MAE}{\partial \theta}&=\frac{1}{N}(\sum_{i=1}^{k}(1)+\sum_{i=k+1}^{N}(-1))=0\\ k&=\frac{N}{2}\\ \theta& \in [x_{N/2-1},x_{N/2+1}]\\ \end{alignedat}$
所以MAE拟合的是一个区间，这个区间通常可以取中位数替代。
显然中位数对异常值是不敏感的，而平均值则会敏感。这提示我们对于不同的数据，需要选择不同的损失。就想在预测全国人均收入问题上，由于大部分财富集中在很小一部分人中，这些数据就相当于异常值，所以中位数更能代表人均收入水平。

3，对于梯度下降法来说，MSE梯度随着越接近最优点而越来越小，相当于一开始迈大步快速接近极值，后面迈小步精确靠近极值。而MAE的导数一直为1不变，使得它在靠近极值时容易一步跨过。

9，Huber损失函数

$L_{\delta}(y,f(x))=\begin{cases}\frac{1}{2}(y-f(x))^2,\text{ if }|y-f(x)|\leq \delta \\ \delta|y-f(x)| -\frac{1}{2}\delta^2, \text{ if }|y-f(x)|> \delta \end{cases}$
这个函数是全局可导的，他是MSE与MAE的结合，拥有两者的优点。通过 $\delta$ 来调节MSE和MAE的占比。

10，分位数损失函数(Quantile Loss)

要理解分位数损失函数，首先要理解MAE，MAE是拟合中位数的损失函数(即离差绝对值的期望在中位数处取得最低)
而中位数就是分位数的一种。

另外，我们考虑一种回归问题。以一元回归为例，在众多数据中，我们可以拟合一条曲线，这条曲线告诉我们对于某个x可能的拟合结果y=f(x)。即使真实y不是f(x)，也应该在f(x)附近，此时，我们的预测是一个点。
但是，我们如果想要获取一个y的范围呢？即对于x，我想知道y的大致范围。因为很多时候，我们不需要精确值，反而更需要一个范围值。此时，我们需要预测一个线段。
那怎么做呢？
其实如果我们能分别获得y的0.1分位数与0.9分位数的拟合，那么两者之间的部分就是我们需要的，它预测了y的80%的取值范围 $f_{0.1}(x)-f_{0.9}(x)$
此时，就需要优化分位数损失函数：
$L_{\gamma}(y,f(x))=\sum_{i\in \left \{ i|y_i<f(x_i)\right \}}(1-\gamma)|y_i-f(x_i)|+\sum_{i\in \left \{ i|y_i \geq f(x_i)\right \}}\gamma|y_i-f(x_i)|$
即，该损失函数对预测值大于真实值和小于真实值得惩罚是不一样的。
当 $\gamma=0.5$ 时，该损失等价于MAE
当 $\gamma>0.5$ 时，该损失对预测值小于真实值的情况惩罚更大
当 $\gamma<0.5$ 时，该损失对预测值大于真实值的情况惩罚更大

11 总结

本节讲述了常见的损失函数。
损失函数大致分为应用于分类的和应用于回归的。
从7均方误差之后，基本上都用于回归。

不同的模型会有自己比较适合的损失函数

回归问题的损失函数，往往存在 $y-f(x)$ 的部分，我们称之为残差
$\varepsilon = y-f(x) \tag{11.1}$ 回归损失函数往往围绕残差构建。

分类问题，就二分类(多分类往往建立在二分类的基础上)而言，标签y往往存在两种形式：
$y\in(0,1) \tag{11.2}$
or
$y\in(1,-1) \tag{11.3}$
对于11.2的情况，模型往往倾向于把预测值转换成概率 $p=P(y=1|x)=f(x)$
从而使用交叉熵损失log损失，这些损失函数都存在 $ylogf(x)$ (或 $f(x)^y$ )部分。这样的模型有LR，神经网络
对于11.3的情况，模型往往倾向于构建分类超平面 $f(x)=wx+b=0$ ，再通过 $sign(f(x))$ 判断标签，例如感知机，SVM。又如集成学习Adaboost，其模型 $f_t(x)=f_{t-1}(x)+\alpha G_t(x)$ ,而标签也是由 $sign(f_t(x))$ 来决定，这几个模型的损失函数往往存在 $yf(x)$ 的部分。
可以看到分类的损失函数，常围绕 $yf(x)$ 来构建
当然，有的模型对于标签形式是不敏感的，例如k近邻，决策树等,因为这些模型没有把y用于损失计算，其损失函数也会比较不同。

不同的损失函数也有不同的特性

这些特性会有针对性的优化我们的某些需求。
MAE相比于MSE有较强的鲁棒性
分位数损失组合可以获得预测值的范围

参考

KL散度
 损失函数
 Regression Loss Functions
Regression Loss Functions-翻译
 分位数回归
《统计学习方法》-李航

最后编辑于：2019.07.17 11:33:45

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 212,332评论 6赞 493
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 90,508评论 3赞 385
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 157,812评论 0赞 348
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 56,607评论 1赞 284
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 65,728评论 6赞 386
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 49,919评论 1赞 290
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 39,071评论 3赞 410
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 37,802评论 0赞 268
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 44,256评论 1赞 303
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 36,576评论 2赞 327
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 38,712评论 1赞 341
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 34,389评论 4赞 332
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 40,032评论 3赞 316
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 30,798评论 0赞 21
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,026评论 1赞 266
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 46,473评论 2赞 360
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 43,606评论 2赞 350