正則化 (數學)

在數學與電腦科學中，尤其是在機器學習和逆問題領域中，正則化（英語：regularization）是指為解決適定性問題或過適而加入額外資訊的過程。

在機器學習和逆問題的最佳化過程中，正則項往往被加在目標函數當中。

概述

概括來講，機器學習的訓練過程，就是要找到一個足夠好的函數$F^{*}$用以在新的資料上進行推理。為了定義什麼是「好」，人們引入了損失函數的概念。一般地，對於範例$({\vec {x}},y)$和模型$F$，有預測值${\hat {y}}=F({\vec {x}})$。損失函數是定義在$\mathbb {R} \times \mathbb {R} \to \mathbb {R}$上的二元函數$\ell (y,{\hat {y}})$，用來描述基準真相和模型預測值之間的差距。一般來說，損失函數是一個有下確界的函數；當基準真相和模型預測值足夠接近，損失函數的值也會接近該下確界。

因此，機器學習的訓練過程可以被轉化為訓練集${\mathcal {D}}$上的最小化問題。我們的目標是在泛函空間內，找到使得全域損失$L(F)=\sum _{i\in {\mathcal {D}}}\ell (y_{i},{\hat {y}}_{i})$最小的模型$F^{*}$。

$F^{*}:=\mathop {\text{arg min}} _{F}L(F).$

由於損失函數只考慮在訓練集上的經驗風險，這種做法可能會導致過適。為了對抗過適，我們需要向損失函數中加入描述模型複雜程度的正則項$\Omega (F)$，將經驗風險最小化問題轉化為結構風險最小化。

$F^{*}:=\mathop {\text{arg min}} _{F}{\text{Obj}}(F)=\mathop {\text{arg min}} _{F}{\bigl (}L(F)+\gamma \Omega (F){\bigr )},\qquad \gamma >0.$

這裏，${\text{Obj}}(F)$稱為目標函數，它描述模型的結構風險；$L(F)$是訓練集上的損失函數；$\Omega (F)$是正則項，描述模型的複雜程度；$\gamma$是用於控制正則項重要程度的參數。正則項通常包括對光滑度及向量空間內範數上界的限制。$L_{p}$-範數是一種常見的正則項。

在貝葉斯學派的觀點看來，正則項是在模型訓練過程中引入了某種模型參數的先驗分佈。

Lp正則項

所謂範數即是抽象之長度，通常意義上滿足長度的三種性質：非負性、齊次性和三角不等式。

以函數的觀點來看，範數是定義在$\mathbb {R} ^{n}\to \mathbb {R}$的函數；並且它和損失函數類似，也具有下確界。後一性質是由範數的非負性和齊次性保證的。這一特性使得$L_{p}$-範數天然適合做正則項，因為目標函數仍可用梯度下降等方式求解最佳化問題。$L_{p}$-範數作為正則項時被稱為$L_{p}$-正則項。

L0和L1正則項

機器學習模型當中的參數，可形式化地組成參數向量，記為${\vec {\omega }}$。不失一般性，以線性模型為例：

$F({\vec {x}};{\vec {\omega }}):={\vec {\omega }}^{\intercal }\cdot {\vec {x}}=\sum _{i=1}^{n}\omega _{i}\cdot x_{i}.$

由於訓練集當中統計噪聲的存在，冗餘的特徵可能成為過適的一種來源。這是因為，對於統計噪聲，模型無法從有效特徵當中提取資訊進行調適，故而會轉向冗餘特徵。為了對抗此類過適現象，人們會希望讓儘可能多的$\omega _{i}$為零。為此，最直觀地，可以引入$L_{0}$-正則項

$\Omega {\bigl (}F({\vec {x}};{\vec {\omega }}){\bigr )}:=\gamma _{0}{\frac {\lVert {\vec {\omega }}\rVert _{0}}{n}},\;\gamma _{0}>0.$

通過引入$L_{0}$-正則項，人們實際上是向最佳化過程引入了一種懲罰機制：當最佳化演算法希望增加模型複雜度（此處特指將原來為零的參數$\omega _{i}$更新為非零的情形）以降低模型的經驗風險（即降低全域損失）時，在結構風險上進行大小為${\tfrac {\gamma _{0}}{n}}$的懲罰。於是，當增加模型複雜度在經驗風險上的收益不足${\tfrac {\gamma _{0}}{n}}$時，整個結構風險實際上會增大而非減小。因此最佳化演算法會拒絕此類更新。

引入$L_{0}$-正則項可使模型參數稀疏化，以及使得模型易於解釋。但$L_{0}$-正則項也有無法避免的問題：非連續、非凸、不可微。因此，在引入$L_{0}$-正則項的目標函數上做最佳化求解，是一個無法在多項式時間內完成的問題。於是，人們轉而考慮$L_{0}$-範數的最緊凸放鬆——$L_{1}$-範數，令

$\Omega {\bigl (}F({\vec {x}};{\vec {\omega }}){\bigr )}:=\gamma _{1}{\frac {\lVert {\vec {\omega }}\rVert _{1}}{n}},\;\gamma _{1}>0.$

和引入$L_{0}$-正則項的情況類似，引入$L_{1}$-正則項是在結構風險上進行大小為${\tfrac {\gamma _{1}|\omega _{i}|}{n}}$的懲罰，以達到稀疏化的目的。

$L_{1}$-正則項亦稱LASSO-正則項。

L2正則項

圖中左側是訓練集，右側是驗證集。訓練集和驗證集資料均是由線性函數加上一定的隨機擾動生成的。圖中橙色直線是以線性模型調適訓練集資料得到模型的函數曲線；綠色虛線則是以15-階多項式模型調適訓練資料得到模型的函數曲線。由此可見，儘管多項式模型在訓練集上的誤差小於線性模型，但在驗證集上的誤差則顯著大於線性模型。此外，多項式模型為了調適噪聲點，在噪聲點附近進行了高曲率的彎折。這說明多項式模型過適了訓練集資料。

在發生過適時，模型的函數曲線往往會發生劇烈的彎折，這意味着模型函數在局部的切線之斜率非常高。一般地，函數的曲率是函數參數的線性組合或非線性組合。為了對抗此類過適，人們會希望使得這些參數的值相對稠密且均勻地集中在零附近。於是，人們引入了$L_{2}$-範數，作為$L_{2}$-正則項。令

$\Omega {\bigl (}F({\vec {x}};{\vec {w}}){\bigr )}:=\gamma _{2}{\frac {\lVert {\vec {\omega }}\rVert _{2}^{2}}{2n}},\;\gamma _{2}>0,$

於是有目標函數

${\text{Obj}}(F)=L(F)+\gamma _{2}{\frac {\lVert {\vec {\omega }}\rVert _{2}^{2}}{2n}},$

於是對於參數$\omega _{i}$取偏微分

${\frac {\partial {\text{Obj}}}{\partial \omega _{i}}}={\frac {\partial L}{\partial \omega _{i}}}+{\frac {\gamma _{2}}{n}}\omega _{i}.$

因此，在梯度下降時，參數$\omega _{i}$的更新

$\omega '_{i}\gets \omega _{i}-\eta {\frac {\partial L}{\partial \omega _{i}}}-\eta {\frac {\gamma _{2}}{n}}\omega _{i}={\Bigl (}1-\eta {\frac {\gamma _{2}}{n}}{\Bigr )}\omega _{i}-\eta {\frac {\partial L}{\partial \omega _{i}}}.$

注意到$\eta {\tfrac {\gamma _{2}}{n}}$通常是介於$(0,\,1)$之間的數，$L_{2}$-正則項會使得參數接近零，從而對抗過適。

$L_{2}$-正則項又稱Tikhonov-正則項或Ridge-正則項。

提前停止

主條目：提前停止

提前停止可看做是時間維度上的正則化。直覺上，隨着迭代次數的增加，如梯度下降這樣的訓練演算法傾向於學習愈加複雜的模型。在時間維度上進行正則化有助於控制模型複雜度，提升一般化能力。在實踐中，提前停止一般是在訓練集上進行訓練，而後在統計上獨立的驗證集上進行評估；當模型在驗證集上的效能不再提升時，就提前停止訓練。最後，可在測試集上對模型效能做最後測試。

外部連結

• 談談 $L_{1}$ 與 $L_{2}$-正則項 （頁面存檔備份，存於互聯網檔案館） （中文）