tf2.0学习（六）——过拟合

前边介绍了TensorFlow的基本操作和Keras的高层接口：
tf2.0学习（一）——基础知识
tf2.0学习（二）——进阶知识
tf2.0学习（三）——神经网络
tf2.0学习（四）——反向传播算法
tf2.0学习（五）——Keras高层接口

下面我们接好一下在训练过程中经常要面对的一个问题，过拟合，以及在TensorFlow这个框架中如何更好的处理这个问题。

tf2.0学习（六）——过拟合

• • 6.0 简介
  • 6.1 模型的容量
  • 6.2 过拟合与欠拟合
  • • 6.2.1 欠拟合
    • 6.2.2 过拟合
  • 6.3 数据集划分
  • • 6.3.1 验证集与超参数
    • 6.3.2 提前停止（early stopping）
  • 6.4 模型设计
  • 6.5 正则化
  • • 6.5.1 L0正则化
    • 6.5.2 L1正则化
    • 6.5.3 L2正则化
  • 6.6 Dropout
  • 6.7 数据增强
  • • 6.7.1 图像
    • 6.7.2 生成数据
    • 6.7.3 其他

6.0 简介

机器学习的主要目的，是通过训练集学习到数据的真实模型，从而在未见过的测试集上能有良好的表现，这种能力叫做模型的泛化能力。通常来说，训练集和测试集都采样自某个相同的数据分布p(x)。采样到的样本是相互独立的，但又来自同一个分布，我们把这种假设叫做独立同分布假设（简称：i.i.d）。
模型的表达能力，也叫做模型的容量。当模型的表达能力偏弱时，会导致无法充分学习到数据的特征，从而导致模型性能很差，这时候模型在训练集和测试集上的表现都很差。当模型的表达能力过强时，又会导致模型学习过于充分，甚至学到了训练集中的噪声，这时候模型在训练集上表现很好，但在测试集上的表现很差。

6.1 模型的容量

通俗的讲，模型的容量或表达能力，就是模型拟合复杂函数的能力。一种体现模型容量的指标叫做模型的假设空间，即模型可以表示的函数集的大小。假设空间越大越完备，就越有可能从假设空间中搜索到能够拟合真实数据的函数，相反，如果假设空间很小，就很难找到拟合真实数据的函数。
假设一数据集采样自如下分布：
p d a t a = { ( x , y ) ∣ y = s i n ( x ) , x ∈ [ − 5 , 5 ] } p_{data} = \left\{ (x, y) | y = sin(x), x \in [-5, 5] \right\} pdata​={(x,y)∣y=sin(x),x∈[−5,5]}
该数据集引入了一些观测误差，如下图小圆点所示。如果只搜索1次多项式的模型空间，那么最多能拟合出一条直线来，效果很差。如果搜索空间增加到3次多项式函数，此时假设空间明显大于1次多项式的情况，此时能拟合出一条曲线，效果能有些提升。如果继续增加多项式的幂次，那么假设空间越来越大，搜索的范围也越来越大，就约有可能找到拟合效果更好的模型。
但是过大的搜索空间，无疑会增加模型的搜索难度和计算代价。实际上在有限的计算资源下，较大的搜索空间并不一定能找出更好的函数模型。相反，随着假设空间中可能存在表达能力过强的模型，学习到了训练集中的噪声数据，从而伤害了模型的泛化能力。因此在实际情况中，往往根据具体任务，选择合适的假设空间的模型。

6.2 过拟合与欠拟合

由于真实数据的分布往往是未知又复杂的，而且无法推断出其分布函数的类型和参数，因此人们在学习模型时，往往根据根据经验选择较大的模型容量。
但模型容量过大时，搜索到的模型，可能由于表达能力过强，不仅学到了数据本省的模态，还学到了数据中的观测误差，这就会导致模型在训练集上的表现很好，但在未见的新样本上表现不佳，泛化能力弱，这种现象叫做模型的过拟合。当模型容量过小时，模型可能不能很好的学习到数据的模态，就会导致模型在训练集上表现不佳，在未见过的新样本上表现也很差，这种现象叫做欠拟合。
那么如何选择合适的模型容量呢？统计学习理论给我们提供了一些思路，VC维是机器学习领域，一个比较通用的度量模型容量的方法。尽管这些方法给机器学习提供了一些理论保证，但在深度学习领域却很难应用，一部分原因是神经网络的机构复杂，很难确定网络背后的数学模型的VC维度。
但是，我们可以根据奥卡姆剃刀原则，指导神经网络的设计和训练。“切勿浪费较多东西，去做‘用较少的东西，同样可以做好的事 情’”。也就是说，如果两层的神经网络结构能够很好的表达真实模型，那么三层的神经 网络也能够很好的表达，但是我们应该优先选择使用更简单的两层神经网络，因为它的参 数量更少，更容易训练，也更容易通过较少的训练样本获得不错的泛化误差。

6.2.1 欠拟合

欠拟合的原因，往往是模型容量不足，导致在假设空间内找不到一个合适的函数很好的拟合数据。表现是在训练集上误差很好，在测试集上的表现也很差。遇到这种情况，我们一般考虑增加模型的复杂度，增加数据维度等办法处理。但由于以深度学习为代表的很多模型，可以轻易达到很深的维度，模型复杂度往往很高，所以欠拟合的问题一般不如过拟合的问题常见。

6.2.2 过拟合

现在说一下过拟合。当模型容量很大，可供搜索的假设空间也就会很大，这时候模型的表达能力过于强大，很可能会学习到训练数据中的观测误差，导致在训练集上的表现很好，但在测试集上的表现却很差。这时候往往就是过拟合了。本章接下来的内容更多用于介绍如何避免过拟合。

6.3 数据集划分

我们在做机器学习任务过程中，数据集要划分为训练集和测试集，但为了选择模型超参数和检测过拟合现象，往往再将训练集划分为训练集和验证集。也就是一个数据集会被划分成训练集、验证集、测试集三部分。

6.3.1 验证集与超参数

前边已经介绍了训练集和测试集，训练集主要用来训练模型，测试集主要用来验证模型的泛化能力。测试集的样本不能出现在训练集中，防止模型学到测试集的信息，导致测试集不能真正反应模型的泛化能力，是一种有损模型泛化的行为。训练集和测试集一般都采样自同一分布的数据，对应比例可以根据情况调节。
但只将数据分为训练集和测试集是不够的，由于测试集不参与到模型训练中，所以测试集不能用来作为模型训练的实时反馈，而模型训练过程中，我们需要挑选合适的参数模型，需要有个数据集对模型性能进行实时反馈，判断模式是否过拟合。因此一般再将训练集划分为训练集和验证集。划分后的训练集主要用来训练模型，验证集主要用来进行超参数的选择。
验证集和测试集的主要区别在于，开发人员可以根据验证集的反馈结果进行模型参数的调整，而训练集一般只是用来验证模型整体泛化能力。

6.3.2 提前停止（early stopping）

一般来说，把训练集的一个Batch运算更新一次叫做一个step，对训练集的所有样本循环迭代一次叫做一个Epoch，整个训练过程可能会进行多个Epoch。验证集一般可以在间隔数次Step或数次Epoch之后，对模型进行验证。如果验证过于频繁，虽然能清楚的记录模型性能，但会带来额外的计算消耗，所以一般建议间隔几个Epoch进行一次验证。
在训练过程中，我们会同时关心训练集和验证集的误差、准确率等指标。如果模型的训练误差 较低，训练准确率较高，但是验证误差较高，验证准确率较低，那么可能出现了过拟合现 象。如果训练集和验证集上面的误差都较高，准确率较低，那么可能出现了欠拟合现象。
当发现模型过拟合时，可以通过重新设计模型容量，如减少网络层数，添加正则化项等方式。
实际上，由于模型是随着训练不断变化的，因此同一个模型可能会出现不同的过拟合、欠拟合。可以看到在训练的前期，训练集和测试集准确率都在不断提升，没有出现过拟合现象。但随着训练的持续，在某个Epoch出，会出现过拟合现象，具体表现如下图所示，训练集准确率不断升高，而测试集准确率却在不断下降。

那么可不可以，在模型训练到合适的Epoch时，就停止训练，从而只过拟合现象的发生呢。我们可以通过观察验证集的准确率，找到合适的Epoch，当验证集在连续几个Epoch都没有准确率的提升时，我们可以认为已经到了最合适的Epoch附近，从而提前挺尸训练，避免训练过度，发生过拟合。

6.4 模型设计

通过验证集可以判断网络模型是否过拟合或欠拟合，从而为调整网络模型的容量提供依据。对于神经网络来说，网络的层数和参数量时衡量网络容量的重要参考指标。当网络过拟合时，可以适当减少网络层数或减少网络层的参数量，从而降低网络容量。反之如果发现模型欠拟合，择可以加大模型容量。

6.5 正则化

通过不同层数和参数的网络模型，可为优化算法提供初始的函数假设空间，但函数的假设空间时随着训练而不断变化的。我们以多项式模型为例。
y = β 0 + β 1 x + β 2 x 2 + . . . + β n x n + ϵ y = \beta_0 + \beta_1 x + \beta_2 x^2 +... + \beta_n x^n + \epsilon y=β0​+β1​x+β2​x2+...+βn​xn+ϵ
上述模型的容量，可以简单的用n来衡量，但如果我们限制了 β k + 1 . . . β n \beta_{k+1} ... \beta_n βk+1​...βn​都为0的话，那么该模型的容量就变为k。因此可以通过限制网络参数的稀疏性，限制网络容量。
这种约束一般是在损失函数上添加额外的惩罚项。添加惩罚项之前的优化目标是：
m i n L ( f θ ( x ) , y ) , ( x , y ) ∈ D t r a i n min L(f_{\theta}(x), y), (x, y) \in \mathbb{D}^{train} minL(fθ​(x),y),(x,y)∈Dtrain
添加惩罚项之后的优化目标是：
m i n L ( f θ ( x ) , y ) + λ Ω ( θ ) , ( x , y ) ∈ D t r a i n min L(f_{\theta}(x), y) + \lambda \Omega(\theta), (x, y) \in \mathbb{D}^{train} minL(fθ​(x),y)+λΩ(θ),(x,y)∈Dtrain
其中，惩罚项约束一般通过参数的范数来量化：
Ω ( θ ) = ∑ θ i ∣ ∣ θ i ∣ ∣ l \Omega(\theta) = \sum_{\theta_i} ||\theta_i||_l Ω(θ)=θi​∑​∣∣θi​∣∣l​
$ ||\theta_i||_l 叫 做 参 数 叫做参数 叫做参数\theta_i$的l范数。
常用的正则化项有L0、L1、L2正则化。

6.5.1 L0正则化

Ω ( θ ) = ∑ θ i ∣ ∣ θ i ∣ ∣ 0 \Omega(\theta) = \sum_{\theta_i} ||\theta_i||_0 Ω(θ)=θi​∑​∣∣θi​∣∣0​
对于L0正则化项，定义是所有 θ \theta θ中，非零元素的个数。但由于L0范数不可导，因此在神经网络中使用的并不多。

6.5.2 L1正则化

Ω ( θ ) = ∑ θ i ∣ ∣ θ i ∣ ∣ 1 \Omega(\theta) = \sum_{\theta_i} ||\theta_i||_1 Ω(θ)=θi​∑​∣∣θi​∣∣1​
L1 正则化也叫 Lasso Regularization。它是连续可导的，在神经网络中使用广泛。

w1 = tf.random.uniform([4, 3])
w2 = tf.random.uniform([4, 3])
loss_reg = tf.reduce_sum(tf.math.abs(w1) + tf.math.abs(w2))

6.5.3 L2正则化

Ω ( θ ) = ∑ θ i ∣ ∣ θ i ∣ ∣ 2 \Omega(\theta) = \sum_{\theta_i} ||\theta_i||_2 Ω(θ)=θi​∑​∣∣θi​∣∣2​
L2 正则化也叫 Ridge Regularization，它和 L1 正则化一样，也是连续可导的，在神经网络中使用广泛。

w1 = tf.random.uniform([4, 3])
w2 = tf.random.uniform([4, 3])
loss_reg = tf.reduce_sum(tf.square(w1) + tf.square(w2))

6.6 Dropout

Dropout是一种在神经网络里经常用到的防止过拟合的方法。在训练阶段随机断开一部分神经网络的连接，减少每次训练时实际参与计算的参数量（如下图右所示）；但在测试阶段，会恢复所有链接。

在TensorFlow中，可以通过增加dropout操作和添加dropout层来实现dropout。

# 增加dropout操作
x = tf.nn.dropout(x, rage=0.5)
# 增加dropout层
model.add(tf.keras.layers.Dropout(0.5))

6.7 数据增强

还有一种简单直接的防止过拟合的方式，就是增加训练数据。但实际上收集数据成本高昂，我们可以在已有的数据集上，通过数据增强，获取更多的训练数据。数据增强（Data Augmentation）是指在维持样本标签不变的前提下，根据先验知识，改变样本的特征，使得新生成的样本也符合或近似符合数据的真实分布。

6.7.1 图像

在图像领域，可以通过对图片进行旋转、翻转、裁剪等方式，将一张图片衍生出多张图片。

6.7.2 生成数据

如GAN网络等，将在后边章节介绍。

6.7.3 其他

可以对数据增加少量噪声，同义词替换，多次翻译等方式。

标签：训练,验证,模型,学习,拟合,theta,tf2.0,数据
来源： https://blog.csdn.net/weixin_40935425/article/details/117822427