正则化线性模型：岭回归 Ridge Regression、Lasso 回归、Elastic Net (弹性网络) 和 Early stopping

模型正则化(减小自由度)是减少过拟合的方法之一。

对多项式模型来说，正则化可以通过减少阶数来实现。

对线性模型来说，正则化往往通过约束模型的权重来实现。

1. Ridge Regression 岭回归,又名 Tikhonov regularization

岭回归是线性回归的正则化版本，即在原来的线性回归的 cost function 中添加正则项（regularization term）: α∑ni=1θ2i $\alpha \underset{i=1}{\overset{n}{\sum }}{\theta }_i^2$，以达到在拟合数据的同时，使模型权重尽可能小的目的：

【式-1】岭回归代价函数

即

也即

• α=0 $\alpha =0$：岭回归退化为线性回归
• α $\alpha$ 很大：所有的权值都趋于0，最终的优化结果为训练集的均值（a flat line）。
• w=[0,θ1,⋯,θn]T $\mathbf{w}=[0,{\theta }_1,\cdots ,{\theta }_n{]}^T$

在利用梯度下降法求解时，有：

【式-2】岭回归梯度向量

令【式-2】取0即可得到闭式解

【式-3】岭回归的闭式解

• A∈Rn×n $A\in R^{n\times n}$为单位矩阵，左上角的元素为0，与bias term 对应。

【注意】

• 偏差项 θ0 ${\theta }_0$并没有包含在正则项中，即sum的下标从1开始，而不是0.
• 正则项只在模型训练的过程中加在 cost function 中，一旦模型完成训练，在评估模型 performance 的时候 应该使用没有加正则项的形式。=> 训练时的 cost function 和测试时的 performance measure 可以不相同！cost function 需要考虑易于寻优的问题，而 performance measure 应和最终的目标尽可能相近！
• 由于对输入特征的Scale非常敏感，在进行岭回归分析前对数据进行归一化（例如利用Scikit-Learn的StandardScaler进行预处理）非常重要。（适用于大多数正则化模型）

2. Lasso Regression

Least Absolute shrinkage and Selection Opperation Regression (Lasso Regression)

Lasso 回归是线性回归的另一种正则化版本，正则项为权值向量的 ℓ1 ${\ell }_1$范数：

【式-4】Lasso回归的代价函数

【注意
- Lasso Regression 的代价函数在 θi=0 ${\theta }_i=0$ 处是不可导的.
- 解决方法：在 θi=0 ${\theta }_i=0$处用一个次梯度向量(subgradient vector)代替梯度，如式-5

【式-5】Lasso Regression 的次梯度向量

Lasso Regression 有一个很重要的性质是：倾向于完全消除不重要的权重。

例如：当 α $\alpha$ 取值相对较大时，高阶多项式退化为二次甚至是线性：高阶多项式特征的权重被置为0。

也就是说，Lasso Regression 能够自动进行特征选择，并输出一个稀疏模型（只有少数特征的权重是非零的）。

3. Elastic Net (弹性网络)

弹性网络在岭回归和Lasso回归中进行了折中，通过 混合比(mix ratio) r 进行控制：

• r=0 $r=0$：弹性网络变为岭回归
• r=1 $r=1$：弹性网络便诶Lasso回归

【式-6】弹性网络的代价函数

一般来说，我们应避免是用朴素线性回归，而应对模型进行一定的正则化处理，那如何选择正则化方法呢？

• 常用：岭回归
• 假设只有少部分特征是有用的：弹性网络 或者 Lasso
  
  • 一般来说，弹性网络的使用更为广泛。因为在 特征维度高于训练样本数 或者 即为特征是强相关 的情况下，Lasso回归的表现不太稳定。

4. Early Stopping

Early Stopping 也是正则化迭代学习算法（如GD）的方法之一。其做法为：在验证错误率达到最小值的时候停止训练。

beatutiful free lunch ——Geoffrey Hinton