[人工智能]浅谈生成式模型与辨别式模型，以naive Bayes和logistic regression为例

classification

我们以分类作为大背景，来看看生成式模型与辨别式模型的区别

假设你是大木博士，你有一个任务，是训练一个模型来对水属性宝可梦和一般属性宝可梦进行二分类

我们的类别集合为 C = { C 1 , C 2 } C=\{C_1,C_2\} C={C1?,C2?}，其中$C_1$为水系宝可梦，$C_2$为一般系宝可梦，我们已知的是样本集合$x\in X，x\in R^n$的数目为：$C_1=79$，$C_2=61$，如果我们现在只取每只宝可梦的攻击和防御两个特征，则$x\in R^2$

那么，我们要如何利用这组样本来对宝可梦们进行属性分类呢？

naive Bayes

首先我们来看看如何利用朴素贝叶斯模型来进行二分类

朴素贝叶斯满足假设：样本x的每个特征（攻击力，防御力）之间相互独立

我们先看看贝叶斯公式$$P(C_1|x)=\frac{P(x|C_1)P(C_1)}{P(x|C_1)P(C_1)+P(x|C_2)P(C_2)}$$
其中

$P(C_1)，P(C_2)$为先验概率，我们可以通过$$P(C_1)=\frac{79}{79+61},P(C_1)=\frac{61}{79+61}$$来进行计算

$P(x|C_1)，P(x|C_2)$为似然，即我们从样本集合中，随便抽一只宝可梦，这只宝可梦是水系/一般系的概率，通常我们根据样本的性质来假设样本的分布，这是朴素贝叶斯的核心，也是生成式模型的核心，就是样本的分布是我们假设出来的，可以理解为样本的分布是模型“脑补出来的”，我们在后面会仔细讲解

关于概率的先验，后验,如果不太熟悉话，可以看看我的这篇blog

如果我们知道以上四个概率的值，我们就可以直接通过贝叶斯公式计算出$P(C|x)$了

$$x=\{\begin{array}{ll}水属性& P(C_1|x)>0.5\\ 一般属性& else\end{array}$$

至于似然要取什么样的分布，是取决于x的性质的

• x是连续的，取高斯分布
• x是稀疏离散的，即x=1或x=0，取伯努利分布
• …

在这里我们取高斯分布作为似然$P(C|x)$的分布

ok，既然已经确定了似然，那我们该如何求解贝叶斯公式呢？我们还有什么未知的参数吗？

对了，高斯分布的似然的参数${\mu }_1,{\mu }_2,{\Sigma }_1,{\Sigma }_2$我们还不知道呢？

由于贝叶斯假设，样本x的各个特征相互独立，假设x只有两个特征，我们可以用两个一维高斯分布来作为$x_1,x_2$的似然分布

我们采用极大似然法来求以上的参数${\mu }_1,{\mu }_2,{\Sigma }_1,{\Sigma }_2$

似然函数的形式十分简单，下式为$P(C_1|x)$的似然函数

具体求解过程这里就不展开了 ，感兴趣的可以参考我关于naive Bayes的公式推导

ok，如下图所示，我们很轻易的得到了两种属性的高斯分布的参数，对于输入x，我们可以使用朴素贝叶斯模型对其进行分类了


如下图所示，红点为水属性宝可梦，蓝点为一般系宝可梦，我们根据output的$P(C_1|x)=0$画出决策界限，最后发现准确率相当糟糕 ，我艹了

一开始我觉得是因为特征太少，如果在高维空间说不定能把样本分开，后面尝试了一下发现准确率并没有提升太多

后面我考虑让x的两个特征的高斯分布共用同一个协方差矩阵，这样可以减少参数的个数，现在的参数列表为${\mu }_1,{\mu }_2,\Sigma$，这样可以有效防止过拟合

当然，此时还是满足贝叶斯假设，尽管这两个高斯分布共用同一个协方差矩阵，但它们的均值不同，还是两个独立的分布

此时我们求解的最大似然函数为

改进后的模型一下子就变的强劲了许多，准确率得到了提升

诶，但是决策界限怎么变成了直线呢？ 埋个坑，和logistic regression有关哦

logistic regression

我们的朴素贝叶斯模型的后验概率，即$P(C_1|x)$，可以经过一系列的数学推导，转换为$$P(C_1|x)=\sigma (z),z=ln\frac{P(x|C_1)P(C_1)}{P(x|C_2)P(C_2)}$$

下面为一些数学推导，不喜勿入




最后的结论就是$$z=w^{T}x+b$$

所以$$P(C_1|x)=\sigma (z),z=w^{T}x+b$$

龟龟，那我们干嘛还求${\mu }_1,{\mu }_2,\Sigma$，直接求$w,b$不就完事了

这样想法就是辨别式模型

logistic regression
$$f_{w,b}(x)=P_{w,b}(C_1|x)$$

logistic regression和linear regression的异同

首先是开门见山，下图为两者的对比

我们可以发现，logistic和linear大致相同，就是它们的loss fuction不同

• logistic $L(f)={\sum }_{n}C(f(x^n),{\hat{y}}^n)$，cross entropy
• linear $(f(x^n)?{\hat{y}}^n{)}^2$，square error

logistic regression的loss function推导

这是我们的训练样本

假设我们的样本都是$C_1$的高斯分布生成的
$$f_{w,b}(x)=P_{w,b}(C_1|x)$$
则它们的似然函数为

我们要找到$w^{?},b^{?}$，使得似然函数最大

经过一系列的推导与转化，我们得到了logistic的loss function，为
$$L(f)=\sum _{n}C(f(x^n),{\hat{y}}^n)$$

cross entropy表示的是两个分布之间的相似程度

有了loss function，我们就可以计算梯度并进行迭代更新

从下图我们可以看到，logistic的下降速度，也就是梯度的大小，取决于分布$f_{w,b}(x^n)$与${\hat{y}}^n$的相似程度，它们越不相似，梯度就越大，下降的速度也就越快，反之同理

我们最后会惊奇的发现，logistic和linear的迭代方程是一模一样的

那么，为什么logistic不用square error作为loss fuction，而是要用cross entropy呢？

通过下面两张图的推导，我们发现
当logistic使用square error作为loss function时，梯度很小，几乎为0

从下图可以很清除的看出差别

生成式vs辨别式

下图为辨别式模型与生成式模型的参数选择上的区别，另外，即使使用相同的数据，相同的模型，但是生成式模型和辨别式模型生成的假设函数的参数式不同的

从下图我们可以看出辨别式模型的准确率要高于生成式模型，但这并不意味着辨别式模型就一定要比生成式模型要好

• 由于生成式模型会自己“脑补”（有假设分布），故生成式模型所需的训练数据会较少
• 由于生成式模型会假设分布，所以它对抗噪声干扰的能力会更强
• 生成式模型的计算可以拆为prior（先验）和class-dependent probabilities（似然），而先验和似然可以来自不同的源（例如语音识别）

多分类

这个以后回来填坑

softmax可以拉大z之间的差距，并且会把它们限制到0-1