模型評(píng)估與方法（課堂PPT）

1、第2章 模型評(píng)估與選擇22.1 經(jīng)驗(yàn)誤差與過擬合2.2 評(píng)估方法2.3 性能度量2.4 比較檢驗(yàn)2.5 偏差與方差32.1 經(jīng)驗(yàn)誤差與過擬合經(jīng)驗(yàn)誤差 VS 泛化誤差過擬合 VS 欠擬合452.2 評(píng)估方法2.2.1、留出法（hold-out）直接將數(shù)據(jù)集D劃分為兩個(gè)互斥的集合。2.2.2交叉驗(yàn)證法（cross validation）將數(shù)據(jù)集D劃分為K個(gè)大小相似的互斥子集，每次用K-1個(gè)子集的并集作為訓(xùn)練集，余下的子集作為測(cè)試集。缺點(diǎn)比較：我們希望評(píng)估的是用D訓(xùn)練的模型。但在留出法和交叉驗(yàn)證法中，由于保留了一部分樣本用于測(cè)試，因此實(shí)際評(píng)估的模型所使用的訓(xùn)練集比D小，這必然會(huì)引入一些因訓(xùn)練樣本規(guī)模

2、不同而導(dǎo)致的估計(jì)偏差。62.2.3 自助法 “自助法”是針對(duì)上述缺點(diǎn)的一個(gè)比較好的解決方案，它直接以自助采樣法為基礎(chǔ)。給定包含m個(gè)樣本的數(shù)據(jù)集D，我們對(duì)它進(jìn)行采樣產(chǎn)生數(shù)據(jù)集D：每次隨機(jī)從D中挑選一個(gè)樣本，將其拷貝放入D，然后再將該樣本放回初始數(shù)據(jù)集D中，使得該樣本在下次采樣時(shí)仍有可能被采到；這個(gè)過程重復(fù)執(zhí)行m次后，我們就得到了包含m個(gè)樣本的數(shù)據(jù)集D，這就是自助采樣的結(jié)果。于是我們可將D用作訓(xùn)練集，DD用作測(cè)試集；這樣，實(shí)際評(píng)估的模型與期望評(píng)估的模型都使用m個(gè)訓(xùn)練樣本，而我們?nèi)杂袛?shù)據(jù)總量約1/3的、沒在訓(xùn)練集中出現(xiàn)的樣本用于測(cè)試。72.2.4 調(diào)參與最終模型 現(xiàn)實(shí)中常見的做法，是對(duì)每個(gè)參數(shù)選擇一

3、個(gè)范圍和變化步長(zhǎng)，例如在0,0.2范圍內(nèi)以0.05為步長(zhǎng)，則實(shí)際要評(píng)估的候選參數(shù)值是5個(gè)，最終從這5個(gè)值中產(chǎn)生選定值。82.3 性能度量衡量模型泛化能力的評(píng)價(jià)標(biāo)準(zhǔn)2.3.1 錯(cuò)誤率與精度錯(cuò)誤率是分類錯(cuò)誤的樣本數(shù)占樣本總數(shù)的比例精度是分類正確的樣本數(shù)占樣本總數(shù)的比例9 真實(shí)情況預(yù)測(cè)結(jié)果正例反例正例TP（真正例）FN（假反例）反例FP（假正例）TN（真反例）10“平衡點(diǎn)”（Break-Event Point，簡(jiǎn)稱BEP）,就是查準(zhǔn)率與查全率時(shí)的取值。11 122.3.3 ROC和AUC 根據(jù)實(shí)值或概率預(yù)測(cè)結(jié)果，我們可以將測(cè)試樣本進(jìn)行排序根據(jù)實(shí)值或概率預(yù)測(cè)結(jié)果，我們可以將測(cè)試樣本進(jìn)行排序，“最可能”

4、是正例的排在前面“最不可能”是正例的排在最后面。分類過程相當(dāng)于在這個(gè)排序中以某個(gè)“截?cái)帱c(diǎn)”將樣本分為兩個(gè)部分，前一部分判做正例，后一部分則判作反例。在不同的應(yīng)用任務(wù)中，我們可根據(jù)任務(wù)需求來采用不同的截?cái)帱c(diǎn)。 排序本身質(zhì)量的好壞排序本身質(zhì)量的好壞，體現(xiàn)了綜合考慮學(xué)習(xí)器在不同任務(wù)下的“期望泛化性能”的好壞，或者說“一般情況下”泛化性能的好壞。ROC曲線則是從排序本身質(zhì)量的好壞的排序本身質(zhì)量的好壞的角度角度來研究學(xué)習(xí)器泛化性能。13ROC全名“受試者工作特征”曲線，以“真正例率”為縱軸，以“假正例率”為橫軸。真正例率真正例率TPRTPR：真正例樣本數(shù)/真實(shí)情況是正例的樣本數(shù)（查全率）假正例率假正例率

5、FPRFPR：假正例樣本數(shù)/真實(shí)情況是是反例的樣本數(shù)基于基于ROCROC曲線的學(xué)習(xí)器性能評(píng)價(jià)規(guī)則曲線的學(xué)習(xí)器性能評(píng)價(jià)規(guī)則1. 1. 當(dāng)曲線沒有交叉的時(shí)候當(dāng)曲線沒有交叉的時(shí)候：外側(cè)曲線的學(xué)習(xí)器性能優(yōu)于內(nèi)側(cè)；2. 2. 當(dāng)曲線有交叉的時(shí)候當(dāng)曲線有交叉的時(shí)候：比較ROC曲線下的面積即 AUC (Area Under ROC Curve)142.3.4 代價(jià)敏感錯(cuò)誤率與代價(jià)曲線 在現(xiàn)實(shí)任務(wù)匯總常會(huì)遇到這樣的情況：不同類型的錯(cuò)誤所造成的后果不同。為權(quán)衡不同類型錯(cuò)誤所造成的的不同損失，可為錯(cuò)誤賦予“非均等代價(jià)”(unequal cost)。如下圖所示，正確判斷的代價(jià)顯然應(yīng)該為0，錯(cuò)誤判斷的代價(jià)之間的比值會(huì)

6、影響我們對(duì)學(xué)習(xí)器的改造。 可令cost ij為把i類樣本錯(cuò)判為j類樣本的代價(jià)，對(duì)所有類型錯(cuò)誤的數(shù)量與其錯(cuò)誤代價(jià)的乘積求和，再除以樣本總數(shù)量，就得到代價(jià)敏感（cost-sensitive）錯(cuò)誤率。15在非均等代價(jià)下，ROC曲線不能直接反映出學(xué)習(xí)器的期望總體代價(jià)，而“代價(jià)曲線”則可以達(dá)到目的。代價(jià)曲線的橫軸是正例概率代價(jià)P(+)cost，縱軸是歸一化代價(jià)cost normp是樣例為正例的概率FPR是假正例率，F(xiàn)NR = 1 - TPR162.4 比較檢驗(yàn)2.4.1假設(shè)檢驗(yàn) 假設(shè)檢驗(yàn)的基本思想是小概率反證法思想。小概率思想是指小概率事件（P0.01或P0.05）在一次試驗(yàn)中基本上不會(huì)發(fā)生。反證法思想

7、是先提出假設(shè)(檢驗(yàn)假設(shè)H0)，再用適當(dāng)?shù)慕y(tǒng)計(jì)方法確定假設(shè)成立的可能性大小，如可能性小，則認(rèn)為假設(shè)不成立，若可能性大，則還不能認(rèn)為不假設(shè)成立。 172.4.2 交叉驗(yàn)證t檢驗(yàn) 基本思想基本思想：若兩個(gè)學(xué)習(xí)器的性能相同，則使用相同的訓(xùn)練/測(cè)試集得到的測(cè)試錯(cuò)誤率應(yīng)相同。假設(shè)檢驗(yàn)的前提假設(shè)檢驗(yàn)的前提：測(cè)試錯(cuò)誤率均為泛化錯(cuò)誤率的獨(dú)立采樣。k k折交叉驗(yàn)證產(chǎn)生的折交叉驗(yàn)證產(chǎn)生的K K對(duì)測(cè)試錯(cuò)誤率對(duì)測(cè)試錯(cuò)誤率：先對(duì)每對(duì)結(jié)果求差，若兩個(gè)學(xué)習(xí)器性能相同則差值均值應(yīng)為0。因此根據(jù)差值對(duì)“學(xué)習(xí)器AB性能相同”做t檢驗(yàn)，計(jì)算差值的均值和方差，在顯著度確定條件下，判斷變量是否小于臨界值，若小于則無顯著差別，否則可判斷平

8、均錯(cuò)誤率較小的學(xué)習(xí)器性能較優(yōu)。因樣本有限，加查驗(yàn)證不同輪次訓(xùn)練集有重疊，測(cè)試錯(cuò)誤率實(shí)際上不獨(dú)立，會(huì)導(dǎo)致過高估計(jì)假設(shè)成立的概率。182.4.3McNemar檢驗(yàn) McNemar主要用于二分類問題，與成對(duì)t檢驗(yàn)一樣也是用于比較兩個(gè)學(xué)習(xí)器的性能大小。主要思想是：若兩學(xué)習(xí)器的性能相同，則A預(yù)測(cè)正確B預(yù)測(cè)錯(cuò)誤數(shù)應(yīng)等于B預(yù)測(cè)錯(cuò)誤A預(yù)測(cè)正確數(shù)，即e01=e10，且|e01-e10|服從N（1，e01+e10）分布。192.4.4 Friedman檢驗(yàn)和Nemenyi后續(xù)檢驗(yàn) 上述的三種檢驗(yàn)都只能在一組數(shù)據(jù)集上，F(xiàn)檢驗(yàn)則可以在多組數(shù)據(jù)集進(jìn)行多個(gè)學(xué)習(xí)器性能的比較，基本思想是在同一組數(shù)據(jù)集上，根據(jù)測(cè)試結(jié)果（例：測(cè)試錯(cuò)誤率）對(duì)學(xué)習(xí)器的性能進(jìn)行排序，賦予序值1,2,3，相同則平分序值，如下圖所示：20若學(xué)習(xí)器的性能相同，則它們的平均序值應(yīng)該相同，且第i個(gè)算法的平均序值ri服從正態(tài)分布N（k+1）/2，（k+1）(k-1)/12），則有： 21 222.5偏差與方差 偏差-方差分解(bias-variance decomposition)是解釋學(xué)習(xí)算法泛化性能的一種重要工具。算法的期望泛化