写给大家看的机器学习书【Part3】直观易懂的感知机学习算法PLA_综合

作者：徐晗曦
原文：写给大家看的机器学习书（第三篇）
本次转载已获得作者授权，尊重原创，若需转载请联系作者本人。

相关文章：
写给大家看的机器学习书【Part1】什么是机器学习？机器学到的到底是什么？
写给大家看的机器学习书【Part2】训练数据长什么样？机器学到的模型是什么？

这个系列文章，我将试着为开发工程师，产品经理、设计师、所有希望了解学习机器学习的人，介绍机器学习的原理、方法和实战技巧。

本篇综述

图片描述

前两篇我们已经学习了机器学习的概念和组成：

学习算法 (Learning Algorithm) 根据训练数据，从假设集合 (Hypothesis Set) 中选出最优的那个映射g : χ → Y 作为最终学得的模型，使得 g 越接近 f 越好（ g ≈ f ）。

这一篇，我们要具体地讲一个学习算法，把它用在有好货这个场景，看看这个算法到底是怎么样从用户日志中寻找规律，学得模型的。一旦学得模型以后就可以对未来做出预测 —— 预测用户是否会点击某个商品，预测人生的巅峰、世界的和平、一起学习机器学习的女朋友…

这个学习算法的名字叫 PLA，全称 Perceptron Learning Algorithm。其中 Perceptron 译作感知机，它是人工神经网络中最基础的两层神经网络模型。学好Perceptron Learning Algorithm，你离入门人工神经网络也就不远啦。

具体来说，这一篇我们将首先介绍PLA的假设集合，看看PLA的假设集合中等着被挑选的候选函数长什么样。看过PLA假设集合的函数表示之后，重要的是理解PLA假设集合的直观解释，事实上之所以把PLA作为第一个学习算法，就是因为它有着非常直观的理解方式。

接着将看到PLA的细节，PLA 是一个相当简洁的算法，算法过程仅有4步，我写的Python 编码含注释不到30行。学习PLA的重点应该放在理解PLA算法的第三步，理解PLA之所以被设计成这样，背后的含义其实朴素又直观。

然后，我们将讨论学习算法两个很重要的问题——学习算法能最终停止并学到东西吗？如果能，学习算法需要运行多久呢？这时我们将惊讶于经典PLA的两点性质：（1）算法可能永远也无法运行结束，会迷失在茫茫的训练数据中永远找不到出口。（2）哪怕知道PLA最终能找到出口，我们也无法事先知道学习需要花多久。不过别急于换台，我们紧接着就会给出一版升级的PLA算法，只需在经典PLA的基础上增加简单两步，就可以解决上面的问题。

好，我们开始吧。

1. PLA 的假设集合 (Hypothesis Set)

首先，我们从有好货的用户日志中得到训练数据如下(考虑数据安全，数据当然是我Mock的)：

图片描述

如第二篇第2小节所述，每一条样本表示为x = (x₁, x₂)，其中x₁表示年龄，x₂表示商品价格。样本标注用y表示，y=1表示用户点击，y=-1表示用户没点击。（这里我们只选了年龄和商品价格两个维度的特征，当然是为了方便讲解和作图做得简化，实际应用中会使用到多得多的特征）

PLA 的基本想法是每个特征都有个权重w_i ，表示该特征的重要程度。综合所有的特征和权重计算一个最终的分数，如果分数超过某个阈值 (threshold )，就表示用户会点击，否则则不会点击。

我们将特征的权重记作w=(w₁,w₂)，w₁代表了年龄这维特征的重要性，w₂代表了商品价格这维特征的重要性。于是判断一个用户会不会点击，就变成了下面这个函数：

图片描述

如果

图片描述

大于threshold ，那么我们判断用户会点击。

如果

图片描述

小于threshold，我们判断用户不会点击。

该函数经过简单变换，可以表示得更简洁。如下所示，其中sign(x) 是求表达式的符号，当x大于0时，sign(x) 就等于1。当x小于0时，sign(x) 就等于-1：

图片描述

注意，在算法完成学习之前，函数中的w_i和threshold 是未知的，不同的w_i和threshold 值对应了不同的函数，事实上所有可能的w_i和threshold 所代表的函数集合，构成了PLA的假设集合(Hypothesis Set)，叫做 Perceptron Hypothesis 。而 PLA 算法要做的，就是根据训练数据找到最优的w和threshold 。

2. Perceptron Hypothesis 的直观解释

OK，上小节我们知道了 PLA 的假设集合 (Hypothesis Set) 就是所有可能的h(x)，不过函数表示理解起来还是有点抽象，那么 Perceptron Hypothesis 有没有直观的理解方式呢？有！

在有好货的例子里，x=(x₁,x₂)只有两维特征，于是我们先将函数简化：

图片描述

接着把所有训练样本x=(x₁,x₂)画到二维平面上，红圈表示点击，蓝叉表示没点击，如下图所示：

图片描述

由于方程w₁·x₁ + w₂·x₂ - threshold = 0就表示平面上的一条直线，且我们知道直线右边所有的点都有w₁·x₁ + w₂·x₂ - threshold > 0，左边所有的点都有w₁·x₁ + w₂·x₂ - threshold < 0 , 于是可以推出：

PLA假设集合中任意一个确定的h(x) ，都可视作一条直线将平面分隔成了两个区域。线的左边有h(x) = -1，右边有h(x) = 1。

所以，学习算法希望选中的模型g ，就是如上图所示这样的一条线，它正好将训练数据分成两个区域，右边都是红圈，左边都是蓝叉。也正因为这样，Perceptron 是一种线性分类器（Linear Classifiers）。

3. PLA 怎么选一条最好的线

直观理解了 PLA 的 Hypothesis Set 之后，现在我们来看看 PLA 具体是如何确定最优的w和threshold ，得到最优的那条线的。

我们首先需要对公式做一些简化变形：

图片描述

这个变形的目的是把参数threshold 统一收进w，于是 PLA 找到最优的那条线就等价于找到最优的参数w。于是 PLA 算法就可以写得相当简洁，仅有如下4步：

Step 1: 随便找一条线，即任意找一个 n 维向量w₀，赋初值令w = w₀
Step 2: 如果这条线正好把训练数据正确切分，Lucky！！训练结束！！此时w代表的h(x) 就是我们学得的模型g
Step 3: 如果有任意一个样本没有被切分正确，即存在任意(x’, y’)，使得sign( w^T x’) ≠ y’，此时我们对w代表的线做一点点修正，令w_t+1 = w_t + y’x’
Step 4: 跳转到Step 2

就是这么简单，PLA的基本思路就是：先随便找一条线，如果没能正确切分，就修正一点点，直到所有的红圈都在右边，蓝叉都在左边。

Python 编码含注释不到30行（包含画图展示的完整代码可访问我的 Github）：

import numpy as np
import matplotlib.pyplot as pltdef PLA(trainingData):w = np.mat([1,2127,205]).transpose() # Step 1: 向量w赋初值while True: (status, x, y) = noMistakePoint(trainingData, w)if status == 'YES': # Step 2: 切分正确，学习完成return welse:w = w + y*x # Step 3: 修正wdef noMistakePoint(training_data, w):'''训练数据中是否有点被切分错误'''status = 'YES'for (x, y) in training_data:if mSign(w.transpose() * x) <> sign(y):status = 'NO'return (status, x, y)return status, None, Nonesign = lambda x:1 if x > 0 else -1 if x < 0 else -1
def mSign(m):'''判断某个矩阵的[0][0]元素正负.大于0返回1，否则返回-1'''x = m.tolist()[0][0]return 1 if x > 0 else -1 if x < 0 else -1

每对训练数据进行一次循环遍历我们称为“一轮学习”，当w的初值设为w₀=( 1,2127,205 )时，PLA仅需 7 轮就成功找到了能够正确切分训练数据的线（如下图所示），最终PLA得到的w=( -1, 2169, -216 )，即学得的模型为g(x) = sign ( 2169 · x₁ - 216 · x₂ -1)。

图片描述

PLA 算法很简单，学习的关键在于理解算法的第3步，怎么理解当发现一个样本(x’, y’)没被切分正确时，对 w 的修正是w_t+1 = w_t + y’x’呢？这个修正的含义是什么呢？

分两种情况来分析：

情况1：被错分的点是红圈。也就是说y’是+1，sign(w^T x’)却等于-1，使得sign(w^T x’) ≠ y’。学过向量乘的同学都知道，两个向量w^T和x’相乘小于0，说明它们的夹角大于90°。如果希望它们相乘大于0，需要把夹角变小，而另w = w + y’x’（即w = w + x’）之后正是另两个向量的夹角变小了——如下图情况1所示。

情况2同理：被错分的点是蓝叉。也就是说y’是-1，sign( w^T x’)却等于+1，使得sign( w^T x’) ≠ y’。说明 w^T和x’的夹角小于90°，如果希望它们相乘小于0，需要把夹角变大，而另w = w+y’x’（即 w = w - x’）之后正是另两个向量的夹角变大了——如下图情况2所示。

这就是每次修正直线背后的含义。

图片描述

4. PLA 一定会停吗？PLA 多久会停？

当 PLA 停止计算时，就说明它找到了一条线能将所有的训练数据切分正确。那么问题来了，PLA 一定会停吗？它一定能找到这样的一条直线吗？

答案是：不一定！

事实上，如果训练数据本身就不存在任何一条线能将其正确切分，比如如下图所示，那么 PLA 无论如何也无法找到理想的直线。学习将进入永不停止的循环。

训练数据至少存在一条直线能将其切分开，称为训练数据是线性可分的 (Linear Seperable) 。因此：

训练数据是线性可分的 (Liner Seperable) ，是 PLA 能够学习的必要条件。

图片描述

好，如果假设训练数据是线性可分的，PLA 的计算需要多久才能停呢？这里省略具体推导过程（有兴趣可观看机器学习基石课程的推导），推导可得 PLA 最多需要R² / ρ²轮就会停，其中

图片描述

注意ρ的公式中用到了“上帝真相”f，而f是未知的，这就意味着哪怕我们知道PLA在线性可分的训练数据上会停止，但具体多久会停止这个值无法计算出来：(

5. PLA 搞鸡毛啊！

这个时候有的朋友要骂娘啦，整了半天 PLA 的训练数据必须线性可分，哪怕线性可分需要计算多久也不知道。PLA 搞鸡毛啊！

不要急！！大招马上出来。

我们再看看下面这张图，这里的训练数据不是线性可分，是由其中两个点导致的。在现实中，哪怕原本的训练数据产生于某个“上帝真相”并且是线性可分的，在收集数据处理数据的过程中不可避免的会引入一些脏数据，这部分错误的训练数据我们称为噪声(Noise)。针对这种噪声数据引起的，原本线性可分的训练数据变成了不是线性可分的情况，有一个升级版的 PLA 算法，只需要增加简单的两步节能解决问题：

Step 1: 随便找一条线，即任意找一个 n 维向量w₀，赋初值另w₀。同时用一个变量w_best表示在训练数据上表现最好的线，初始有w_best= w₀。
Step 2: 如果这条线正好把训练数据正确切分，Lucky！！训练结束！！此时w代表的h(x) 就是我们学得的模型g 。
Step 3: 如果有任意一个样本没有被切分正确，即存在任意(x’, y’)，使得sign(w^T x’) ≠ y’，此时我们对w代表的线做一点点修正，令w_t+1 = w_t + y’x’ 。
Step 4: 如果修正后的w_t+1比w_best表现的更好，那么修改w_best = w_t+1。
Step 5: 如果训练轮数小于N_train，跳转到Step 2。否则训练结束，此时w_best代表的h(x)就是我们学得的模型g。