從零開始學(xué)人工智能(19)--數(shù)學(xué) · 神經(jīng)網(wǎng)絡(luò)（三）· 損失函數(shù)

長沙7喜 2018-01-30

展開全文

關(guān)于損失函數(shù)寬泛而準(zhǔn)確的數(shù)學(xué)定義，我感覺我不會說得比 Wiki 更好，所以這一章主要還是介紹一些神經(jīng)網(wǎng)絡(luò)中常用的損失函數(shù)。然而即使把范圍限制在 NN，如何選、為何選相應(yīng)的損失函數(shù)仍然是一個不平凡的數(shù)學(xué)問題。囿于時間（和實力）、這一章講的主要是幾個損失函數(shù)的定義、直觀感受和求導(dǎo)方法。

從名字上可以看出，損失函數(shù)是模型對數(shù)據(jù)擬合程度的反映，擬合得越差、損失函數(shù)的值就應(yīng)該越大。同時我們還期望，損失函數(shù)在比較大時、它對應(yīng)的梯度也要比較大，這樣的話更新變量就可以更新得快一點。我們都接觸過的“距離”這一概念也可以被用在損失函數(shù)這里，對應(yīng)的就是最小平方誤差準(zhǔn)則（MSE）：

其中G是我們的模型、它根據(jù)輸入矩陣X輸出一個預(yù)測向量G(X)

這個損失函數(shù)的直觀意義相當(dāng)明確：預(yù)測值G(X)和真值Y的歐式距離越大、損失就越大，反之就越小。它的求導(dǎo)也是相當(dāng)平凡的：

其中 w 是模型G中的一個待訓(xùn)練的參數(shù)

由于 MSE 比較簡單、所以我們能夠從一般意義上來討論它。為便于理解，以下的部分會結(jié)合 NN 這個特定的模型來進(jìn)行闡述?；仡?BP 算法章節(jié)中的式子：

這里的其實就是G(X)。在 NN 中，我們通過最后一層的 CostLayer 利用和真值Y得出一個損失、然后 NN 通過最小化這個損失來訓(xùn)練模型

注意到上式的最后除了損失函數(shù)自身的導(dǎo)數(shù)以外、還有一項激活函數(shù)(https://en./wiki/Activation_function)的導(dǎo)數(shù)。事實上，結(jié)合激活函數(shù)來選擇損失函數(shù)是一個常見的做法，用得比較多的組合有以下四個：

Sigmoid 系以外的激活函數(shù) + MSE

MSE 是個萬金油，它不會出太大問題、同時也基本不能很好地解決問題。這里特地指出不能使用 Sigmoid 系激活函數(shù)，是因為 Sigmoid 系激活函數(shù)在圖像兩端都非常平緩、從而會引起梯度消失的現(xiàn)象。MSE 這個損失函數(shù)無法處理這種梯度消失、所以一般來說不會用 Sigmoid 系激活函數(shù) + MSE 這個組合。以 Sigmoid 函數(shù)為例：

上面這張圖對應(yīng)的情況是輸入為v、預(yù)測為但真值為 0?？梢钥吹剑词勾藭r預(yù)測值和真值之間的誤差幾乎達(dá)到了極大值，但由于太小、最終得到的梯度也會很小、導(dǎo)致收斂速度很慢

Sigmoid + Cross Entropy

Sigmoid 激活函數(shù)之所以有梯度消失的現(xiàn)象是因為它的導(dǎo)函數(shù)形式為
。想要解決這個問題的話，比較自然的想法是定義一個損失函數(shù)、使得它的分母上有這一項。經(jīng)過數(shù)學(xué)家們的工作，我們得到了 Cross Entropy 這個（可能是基于熵理論導(dǎo)出來的）損失函數(shù)，其形式為：

它的合理性較直觀：當(dāng)y=0時、起作用的只有，此時越接近0、C就越小；y=1的情況幾乎同理。下面給出其導(dǎo)數(shù)形式：

可見其確實滿足要求

交叉熵背后是有一套數(shù)學(xué)理論的，感興趣的觀眾老爺們可以戳這里(https://en./wiki/Cross_entropy)

Softmax + Cross Entropy / log-likelihood

這兩個組合的核心都在于前面用了一個 Softmax。Softmax 不是一個損失函數(shù)而是一個變換，它具有相當(dāng)好的直觀：能把普通的輸出歸一化成一個概率輸出。比如若輸出是 (1, 1, 1, 1)，經(jīng)過 Softmax 之后就是 (0.25, 0.25, 0.25, 0.25)。它的定義式也比較簡潔：
注意，這里的通常是一個線性映射：
亦即 Softmax 通常是作為一個 Layer 而不是一個 SubLayer
之所以要進(jìn)行這一步變換，其實和它后面跟的損失函數(shù)也有關(guān)系。Cross Entropy 和 log-likelihood 這兩個損失函數(shù)都是用概率來定義損失的、所以把輸出概率化是一個自然的想法。Cross Entropy 上面已有介紹，log-likelihood 的定義則是：
亦即預(yù)測概率輸出中yi對應(yīng)的類概率的負(fù)對數(shù)。當(dāng)預(yù)測概率輸出中yi類概率為的1話、損失就是0；當(dāng)概率趨于0時、損失會趨于無窮
Cross Entropy 的求導(dǎo)上面也說了，下面就給出 Softmax + log-likelihood 的求導(dǎo)公式：
其中

從而