半监督学习是指在模型训练阶段同时利用有标签数据和无标签数据。我之前介绍过的半监督学习方法包括
- 基于分歧的半监督学习方法
机器学习教程 之 半监督学习 Tri-training方法 (论文、数据集、代码)
机器学习教程 之 半监督学习 Co-training 协同训练 (论文、算法、数据集、代码)
机器学习教程 之 半监督学习 Coreg 协同回归算法 (论文、算法、数据集、代码) - 基于图的半监督学习方法
DeepLearning | 图注意力网络Graph Attention Network(GAT)论文、模型、代码解析
DeepLearning | 图卷积神经网络(GCN)解析(论文、算法、代码)
DeepLearning | 图卷积网络基于拓扑结构的分类(T-GCN)
机器学习教程 之 半监督学习 基于图正则项的半监督极限学习机
今天介绍的半监督极限学习机也是一种基于图的半监督学习方法,论文:
Semi-supervised and unsupervised extreme learning machines
不同于以上三种,这里的图指的是图正则项而不是图卷积。在实际运用中,作者发现很多该模型的很好的性质,比如可以运用于我们熟悉的归纳式学习,求解十分迅速并且是最优解析解等,也可以很容易的从分类任务拓展到回归任务。因此,在这里作一个详细的介绍。
对于模型的复现,作者参考了众多论文,给该模型做了一个非常强大的实现,下载连接放在文末的公众号里。同时,值得一提的是,极限学习与之前介绍的宽度学习是非常相似的,之前写过相关博客,可以参考
DeepLearning | Broad Learning System 宽度学习系统 : 高效增量式浅层神经网络
目录
- 一、极限学习机
- 二、图正则项
- 三、半监督极限学习机
- 四、实验结果
- 五、更多资源下载
一、极限学习机
对于有监督的学习任务,一个包含 N N N个样本的训练集表示为 { X , Y } = { x i , y i } i = 1 N \{\bm{X},\bm{Y}\} = \{\bm{x}_{i},\bm{y}_{i}\}^{N}_{i=1} {
X,Y}={
xi,yi}i=1N。 这里, x i \bm{x}_{i} xi是一个一维向量表示样本, y i \bm{y}_{i} yi是一个一维的01向量,其中表示 x i \bm{x}_{i} xi类别的那个维度为1,其余的为0,即独热编码后的标签。极限学习机(ELM)想要基于该训练机学习一个从 x \bm{x} x到 y \bm{y} y的映射函数
通常ELM的训练分为两个阶段。
第一个阶段是通过随机映射来产生指定数量的特征,映射可以是任意的非线性连续函数,比如Sigmoid和Gaussian函数
1)Sigmoid函数
g ( x , θ ) = 1 1 + e x p ( − ( a x + b ) ) g(\bm{x},\theta)= \frac{1}{1+exp(-(\bm{a}\bm{x}+b))} g(x,θ)=1+exp(−(ax+b))1
2)Gaussian 函数
g ( x , θ ) = e x p ( − b ∣ ∣ x − a ∣ ∣ ) g(\bm{x},\theta)= exp(-b||\bm{x}-\bm{a}||) g(x,θ)=exp(−b∣∣x−a∣∣)
这里 θ = { a , b } \theta=\{\bm{a},b\} θ={
a,b} 是随机产生的映射参数, ∣ ∣ ⋅ ∣ ∣ ||·|| ∣∣⋅∣∣表示二范数。
随机产生各式的特征使得ELM和普通前向网络不同,只需要训练特征和输出之前的映射,大大减少了训练的时间和步骤。这里记 x i \bm{x}_{i} xi随机产生的特征为 h ( x i ) \bm{h}(\bm{x}_{i}) h(xi),特征维度是任意的指定值。
ELM的第二个阶段是线性求解特征和输出直接的映射,目标函数记为
m i n C 2 ∑ i = 1 N ∣ ∣ y i − h ( x i ) β ∣ ∣ + 1 2 ∣ ∣ β ∣ ∣ min \frac{C}{2}\sum^{N}_{i=1}||\bm{y}_{i}-\bm{h}(\bm{x}_{i})\beta|| + \frac{1}{2}||\beta|| min2Ci=1∑N∣∣yi−h(xi)β∣∣+21∣∣β∣∣
这里的 β \beta β是我们需要求解的模型参数,损失的第一项表示模型的预测损失, C C C是预测损失的罚系数,第二项表示的是对模型参数的二范数正则。
该损失函数的矩阵形式为
m i n L E L M = C 2 ∣ ∣ Y − H β ∣ ∣ + 1 2 ∣ ∣ β ∣ ∣ min L_{ELM} =\frac{C}{2}||\bm{Y}-\bm{H}\beta|| + \frac{1}{2}||\beta|| minLELM=2C∣∣Y−Hβ∣∣+21∣∣β∣∣
其中 H = [ h ( x 1 ) , . . . , h ( x N ) ] \bm{H}=[\bm{h}(\bm{x}_{1}),...,\bm{h}(\bm{x}_{N})] H=[h(x1),...,h(xN)]是所有样本的特征。
ELM的解
当 H \bm{H} H的行大于列时,模型是过定义的,解为:
β ∗ = ( H T H + I C ) − 1 H T Y \beta^{*} = (\bm{H}^{T}\bm{H}+\frac{I}{C})^{-1}\bm{H}^{T}\bm{Y} β∗=(HTH+CI)−1HTY
这里 I \bm{I} I是单位阵。
但当 H \bm{H} H的列大于行时,模型是欠定义的,解为:
β ∗ = H T ( H H T + I C ) − 1 Y \beta^{*} = \bm{H}^{T}(\bm{H}\bm{H}^{T}+\frac{\bm{I}}{C})^{-1}\bm{Y} β∗=HT(HHT+CI)−1Y
以上就是对ELM的介绍和求解,ELM的性能影响比较大的是随机特征的产生,这里操作空间比较大,不同方式产生的特征和特征的数量都会很大程度上影响模型性能。
二、图正则项
半监督学习的建立往往基于两个假设
1)有标签数据 X l \bm{X}_{l} Xl和无标签数据 X u \bm{X_{u}} Xu服从同一分布 P P P
2)如果两个样本点 x 1 \bm{x}_{1} x1和 x 2 \bm{x}_{2} x2是相似的,那么它们的条件概率 P ( y 1 ∣ x 1 ) P(\bm{y}_{1}|\bm{x}_{1}) P(y1∣x1)和 P ( y 2 ∣ x 2 ) P(\bm{y}_{2}|\bm{x}_{2}) P(y2∣x2)也应该是相似的。
该思想被图正则项定义为损失函数如下
L m = 1 2 ∑ i , j w i j ∣ ∣ P ( y ∣ x i ) − P ( y ∣ x j ) ∣ ∣ L_{m}=\frac{1}{2}\sum_{i,j}w_{ij}||P(\bm{y}|\bm{x}_{i})-P(\bm{y}|\bm{x}_{j})|| Lm=21i,j∑wij∣∣P(y∣xi)−P(y∣xj)∣∣
这里 w i j w_{ij} wij是 x i \bm{x}_{i} xi和 x j \bm{x}_{j} xj的相似度。
值得一提的是相似度矩阵 W = [ w i j ] \bm{W}=[w_{ij}] W=[wij]往往是稀疏的。因为我们仅仅当 x i \bm{x}_{i} xi和 x j \bm{x}_{j} xj很接近的时候,才将 w i j w_{ij} wij设置为一个非零值,比如, x i \bm{x}_{i} xi需要是 x j \bm{x}_{j} xj的 k k k近邻。 w i j w_{ij} wij的值通常根据高斯指数函数计算 e x p ( − ∣ ∣ x i − x j ∣ ∣ / 2 σ ) exp(-||\bm{x}_{i}-\bm{x}_{j}||/2\sigma) exp(−∣∣xi−xj∣∣/2σ),或者直接简单设置为1.
直观的,当 x \bm{x} x的变化很小时,正则项 L m L_{m} Lm惩罚了条件概率 P ( y ∣ x ) P(\bm{y}|\bm{x}) P(y∣x)大的变化。由于真实的条件概率难以计算,该正则项可以被估计为
L ^ m = 1 2 ∑ i , j w i j ∣ ∣ y ^ i − y ^ j ∣ ∣ \hat{L}_{m}=\frac{1}{2}\sum_{i,j}w_{ij}||\hat{\bm{y}}_{i}-\hat{\bm{y}}_{j}|| L^m=21i,j∑wij∣∣y^i−y^j∣∣
其中, y ^ \hat{\bm{y}} y^ 是对 x \bm{x} x的预测值。
上式的矩阵形式可以写为
L ^ m = T r ( Y ^ T L Y ^ ) \hat{L}_{m}=Tr(\hat{\bm{Y}}^{T}\bm{L}\hat{\bm{Y}}) L^m=Tr(Y^TLY^)
其中 T r ( ⋅ ) Tr(·) Tr(⋅)表示矩阵的迹, L = D − W \bm{L}=\bm{D}-\bm{W} L=D−W 被称为拉普拉斯图矩阵, D \bm{D} D是对角矩阵,对角元素为 D i i = ∑ j = 1 l + u w i j D_{ii}=\sum^{l+u}_{j=1}w_{ij} Dii=∑j=1l+uwij。通常, L \bm{L} L会被规范化为 L = D − 1 / 2 L D − 1 / 2 \bm{L}=D^{-1/2}\bm{L}D^{-1/2} L=D−1/2LD−1/2。
以上就是对图正则项的介绍,我们可以看到,定义的 L ^ m \hat{L}_{m} L^m是同时适用于有标签或者无标签数据的,因此,它可以很方便的被应用半监督学习。
三、半监督极限学习机
这里我们记有标签数据集为 { X l , Y l } = { x i , y i } i = 1 l \{\bm{X}_{l},\bm{Y}_{l}\} = \{\bm{x}_{i},\bm{y}_{i}\}^{l}_{i=1} {
Xl,Yl}={
xi,yi}i=1l,无标签数据集记为 { X u , Y u } = { x i , y i } i = 1 u \{\bm{X}_{u},\bm{Y}_{u}\} = \{\bm{x}_{i},\bm{y}_{i}\}^{u}_{i=1} {
Xu,Yu}={
xi,yi}i=1u,其中 l l l和 u u u是样本数量。
半监督极限学习机(SSELM)的目标函数为:
m i n L E L M = 1 2 ∣ ∣ C 1 2 ( Y − H β ) ∣ ∣ + 1 2 ∣ ∣ β ∣ ∣ + λ 2 T r ( β T H T L H β ) min L_{ELM} =\frac{1}{2}||\bm{C}^{\frac{1}{2}}(\bm{Y}-\bm{H}\beta)|| + \frac{1}{2}||\beta|| + \frac{\lambda}{2}Tr(\beta^{T}\bm{H}^{T}\bm{L}\bm{H}\beta) minLELM=21∣∣C21(Y−Hβ)∣∣+21∣∣β∣∣+2λTr(βTHTLHβ)
上式中 Y ~ ∈ R ( l + u ) × n 0 \tilde{\bm{Y}} \in \mathbb{R}^{(l+u)\times n_{0}} Y~∈R(l+u)×n0,它的前 l l l行等于 Y l Y_{l} Yl, 后 u u u行等于0。 C \bm{C} C是一个 ( l + u ) × ( l + u ) (l+u)\times(l+u) (l+u)×(l+u)的对角矩阵,它的前 l l l个对角元素为 C 0 / N t i C_{0}/N_{ti} C0/Nti, 后 u u u个对角元素为0. C 0 C_{0} C0是任意给定值, N t i N_{ti} Nti是第 i i i个类别中样本的数量,这意味着SSELM是损失敏感的。
同样的,对于SSELM的求解,我们有
当有标签样本数量比特征数量多时
β ∗ = ( I + H T C H + λ H T L H ) − 1 H T C Y ~ \beta^{*} = (\bm{I}+\bm{H}^{T}\bm{C}\bm{H}+\lambda\bm{H}^{T}\bm{L}\bm{H})^{-1}\bm{H}^{T}\bm{C}\tilde{\bm{Y}} β∗=(I+HTCH+λHTLH)−1HTCY~
当有标签样本数量比特征数量少时
β ∗ = H T ( I + C H H T + λ L H H T ) − 1 C Y ~ \beta^{*} = \bm{H}^{T}(\bm{I}+\bm{C}\bm{H}\bm{H}^{T}+\lambda\bm{L}\bm{H}\bm{H}^{T})^{-1}\bm{C}\tilde{\bm{Y}} β∗=HT(I+CHHT+λLHHT)−1CY~
以上就是SSELM的模型及求解,总而言之,相比于普通的ELM,SSELM引入了损失敏感和图正则项来进行提升,其中正则项的引入允许模型使用无标签样本,从而进行半监督的学习。SSELM的算法可以总结如下:
四、实验结果
这里摆一些论文里的实验结果
数据集
训练时间比较
准确率
五、更多资源下载
有问题可以私信博主,点赞关注的一般都会回复,一起努力,谢谢支持。
微信搜索“老和山算法指南”获取下载链接与技术交流群