L1 L2 正則化 是什麼
ℓ1 -norm和 ℓ2-norm,中文稱作 L1正則化 和 L2正則化,或者 L1範數 和 L2範數。
L1正則化和L2正則化可以看做是損失函數的懲罰項。
所謂的 “懲罰” 是指對損失函數中的某些參數做一些限制。
對於線性迴歸模型,使用L1正則化的模型建叫做Lasso迴歸,使用L2正則化的模型叫做Ridge迴歸(嶺迴歸)。
如圖,加號後面的分別是 L1正則化項 和 L2正則化項
一般迴歸分析中迴歸 w表示特徵的係數,從上式可以看到正則化項是對係數做了處理(限制)。
L1正則化和L2正則化的說明如下:
- L1正則化是指權值向量 中各個元素的絕對值之和,通常表示爲
- L2正則化是指權值向量 中各個元素的平方和然後再求平方根(可以看到Ridge迴歸的L2正則化項有平方符號),通常表示爲
一般都會在正則化項之前添加一個係數,Python中用 表示,一些文章也用 表示。這個係數需要用戶指定。
我在很多資料中也看到這句話: L1正則化產生稀疏的權值, L2正則化產生平滑的權值。
有什麼用呢
- L1正則化可以產生稀疏權值矩陣,即產生一個稀疏模型,可以用於特徵選擇
- L2正則化可以防止模型過擬合(overfitting);一定程度上,L1也可以防止過擬合
針對上面的說到的作用 L1: 產生一個稀疏模型,可以用於特徵選擇,下面來解釋一下:
- 爲什麼要生成一個稀疏矩陣?
- 爲什麼L1正則化可以產生稀疏矩陣(L1是怎麼讓係數等於0的)
1、稀疏模型與特徵選擇
上面提到L1正則化有助於生成一個稀疏權值矩陣,進而可以用於特徵選擇。爲什麼要生成一個稀疏矩陣?
稀疏矩陣指的是很多元素爲0,只有少數元素是非零值的矩陣,即得到的線性迴歸模型的大部分系數都是0。
通常機器學習中特徵數量很多,例如文本處理時,如果將一個詞組(term)作爲一個特徵,那麼特徵數量會達到上萬個(bigram)。在預測或分類時,那麼多特徵顯然難以選擇,但是如果代入這些特徵得到的模型是一個稀疏模型,表示只有少數特徵對這個模型有貢獻,絕大部分特徵是沒有貢獻的,或者貢獻微小(因爲它們前面的係數是0或者是很小的值,即使去掉對模型也沒有什麼影響),此時我們就可以只關注係數是非零值的特徵。這就是稀疏模型與特徵選擇的關係。
從另一個角度來講,爲防止過擬合,我們考慮 中的項的個數最小化。
一句話,向量中0元素,對應的x樣本中的項我們是不需要考慮的,可以砍掉。因爲 沒有啥意義,說明 項沒有任何權重。這也是正則項防止過擬合的一個原因。這裏順便解釋一個L2比較好的原因:
L2範數是指向量各元素的平方和然後求平方根。我們讓L2範數的正則項 最小,可以使得W的每個元素都很小,都接近於0,但與L1範數不同,它不會讓它等於0,而是接近於0,這裏是有很大的區別的哦;所以大家比起1範數,更鐘愛2範數。
2、L1正則化可以產生稀疏模型
L1 產生稀疏權值,L2 產生平滑的權值
假設有如下帶L1正則化的損失函數:
其中 是原始的損失函數,加號後面的一項是L1正則化項, 是正則化係數。注意到L1正則化是權值的絕對值之和, 是帶有絕對值符號的函數,因此 是不完全可微的。
機器學習的任務就是要通過一些方法(比如梯度下降)求出損失函數的最小值。
當我們在原始損失函數 後添加L1正則化項時,相當於對 做了一個約束。
令:
則:
圖片中 L2 中 應該每個 前面都是乘以
假設學習率爲 , L1的權值更新公式爲
$w_i = w_i - η * 1,也就是說權值每次更新都固定減少一個特定的值(比如0.5),那麼經過若干次迭代之後,權值就有可能減少到0。
L2的權值更新公式爲
$w_i = w_i - η * w_i = w_i - 0.5 * w_i,也就是說權值每次都等於上一次的1/2,那麼,雖然權值不斷變小,但是因爲每次都等於上一次的一半,所以很快會收斂到較小的值但不爲0。
L1能產生等於0的權值,即能夠剔除某些特徵在模型中的作用(特徵選擇),即產生稀疏的效果。
L2可以得迅速得到比較小的權值,但是難以收斂到0,所以產生的不是稀疏而是平滑的效果。
還有一種解釋是從幾何空間解釋,不過我還沒去搜索資料去理解,還看不懂。。。
如上圖。
L2正則化可以防止模型過擬合(overfitting)
其實按照上面所說已經差不多可以理解爲什麼可以防止過擬合了,就是在擬合過程中通常都傾向於讓權值儘可能小,最後構建一個所有參數都比較小的模型。因爲一般認爲參數值小的模型比較簡單,能適應不同的數據集,一定程度上避免了過擬合現象
可以設想一下對於一個線性迴歸方程,若參數很大,那麼只要數據偏移一點點,就會對結果造成很大的影響;但如果參數足夠小,數據偏移得多一點也不會對結果造成什麼影響,專業一點的說法是『抗擾動能力強』。
設 就是正則化參數,學習率Learning rate爲 ,對於參數 :
在梯度下降中,用於迭代計算參數 的迭代式爲:
而添加正則化後,
從上式可以看到,與未添加L2正則化的迭代公式相比,每一次迭代, 都要先乘以一個小於1的因子,從而使得θjθj不斷減小,因此總得來看, 是不斷減小的。
參考資料:
爲什麼L1稀疏,L2平滑?
https://www.zhihu.com/question/20924039
https://blog.csdn.net/jinping_shi/article/details/52433975