上節課，我們主要介紹了機器學習的可行性。首先，由NFL定理可知，機器學習貌似是不可行的。但是，隨后引入了統計學知識，如果樣本數據足夠大，且hypothesis個數有限，那么機器學習一般就是可行的。本節課將討論機器學習的核心問題，嚴格證明為什么機器可以學習。從上節課最后的問題出發，即當hypothesis的個數是無限多的時候，機器學習的可行性是否仍然成立？
我們先來看一下基于統計學的機器學習流程圖：
該流程圖中，訓練樣本D和最終測試h的樣本都是來自同一個數據分布，這是機器能夠學習的前提。另外，訓練樣本D應該足夠大，且hypothesis set的個數是有限的，這樣根據霍夫丁不等式，才不會出現Bad Data，保證Ein≈Eout，即有很好的泛化能力。同時，通過訓練，得到使Ein最小的h，作為模型最終的矩g，g接近于目標函數。
這里，我們總結一下前四節課的主要內容：第一節課，我們介紹了機器學習的定義，目標是找出最好的矩g，使g≈f，保證Eout(g)≈0；第二節課，我們介紹了如何讓Ein≈0，可以使用PLA、pocket等演算法來實現；第三節課，我們介紹了機器學習的分類，我們的訓練樣本是批量數據（batch），處理監督式（supervised）二元分類（binary classification）問題；第四節課，我們介紹了機器學習的可行性，通過統計學知識，把Ein(g)與Eout(g)聯系起來，證明了在一些條件假設下，Ein(g)≈Eout(g)成立。
這四節課總結下來，我們把機器學習的主要目標分成兩個核心的問題：
1、Ein(g)≈Eout(g)
2、Ein(g)足夠小
上節課介紹的機器學習可行的一個條件是hypothesis set的個數M是有限的，那M跟上面這兩個核心問題有什么聯系呢？
我們先來看一下，當M很小的時候，由上節課介紹的霍夫丁不等式，得到Ein(g)≈Eout(g)，即能保證第一個核心問題成立。但M很小時，演算法A可以選擇的hypothesis有限，不一定能找到使Ein(g)足夠小的hypothesis，即不能保證第二個核心問題成立。當M很大的時候，同樣由霍夫丁不等式，Ein(g)與Eout(g)的差距可能比較大，第一個核心問題可能不成立。而M很大，使的演算法A的可以選擇的hypothesis就很多，很有可能找到一個hypothesis，使Ein(g)足夠小，第二個核心問題可能成立。
從上面的分析來看，M的選擇直接影響機器學習兩個核心問題是否滿足，M不能太大也不能太小。那么如果M無限大的時候，是否機器就不可以學習了呢？例如PLA算法中直線是無數條的，但是PLA能夠很好地進行機器學習，這又是為什么呢？如果我們能將無限大的M限定在一個有限的mH內，問題似乎就解決了。
我們先看一下上節課推導的霍夫丁不等式：
其中，M表示hypothesis的個數。每個hypothesis下的BAD eventsBm級聯的形式滿足下列不等式：
當M=∞時，上面不等式右邊值將會很大，似乎說明BAD events很大，Ein(g)與Eout(g)也并不接近。但是BAD eventsBm級聯的形式實際上是擴大了上界，union bound過大。這種做法假設各個hypothesis之間沒有交集，這是最壞的情況，可是實際上往往不是如此，很多情況下，都是有交集的，也就是說M實際上沒那么大，如下圖所示：
也就是說union bound被估計過高了（over-estimating）。所以，我們的目的是找出不同BAD events之間的重疊部分，也就是將無數個hypothesis分成有限個類別。
如何將無數個hypothesis分成有限類呢？我們先來看這樣一個例子，假如平面上用直線將點分開，也就跟PLA一樣。如果平面上只有一個點x1，那么直線的種類有兩種：一種將x1劃為+1，一種將x1劃為-1：
如果平面上有兩個點x1、x2，那么直線的種類共4種：x1、x2都為+1，x1、x2都為-1，x1為+1且x2為-1，x1為-1且x2為+1：
如果平面上有三個點x1、x2、x3，那么直線的種類共8種：
但是，在三個點的情況下，也會出現不能用一條直線劃分的情況：
也就是說，對于平面上三個點，不能保證所有的8個類別都能被一條直線劃分。那如果是四個點x1、x2、x3、x4，我們發現，平面上找不到一條直線能將四個點組成的16個類別完全分開，最多只能分開其中的14類，即直線最多只有14種：
經過分析，我們得到平面上線的種類是有限的，1個點最多有2種線，2個點最多有4種線，3個點最多有8種線，4個點最多有14（<24）種線等等。我們發現，有效直線的數量總是滿足≤2N，其中，N是點的個數。所以，如果我們可以用effective(N)代替M，霍夫丁不等式可以寫成：
已知effective(N)<2的N次方，如果能夠保證effective(N)<<2的N次方，即不等式右邊接近于零，那么即使M無限大，直線的種類也很有限，機器學習也是可能的。
三、Effective Number of Hypotheses
接下來先介紹一個新名詞：二分類（dichotomy）。dichotomy就是將空間中的點（例如二維平面）用一條直線分成正類（藍色o）和負類（紅色x）。令H是將平面上的點用直線分開的所有hypothesis h的集合，dichotomy H與hypotheses H的關系是：hypotheses H是平面上所有直線的集合，個數可能是無限個，而dichotomy H是平面上能將點完全用直線分開的直線種類，它的上界是2N。接下來，我們要做的就是嘗試用dichotomy代替M。
再介紹一個新的名詞：成長函數（growth function），記為mH(H)。成長函數的定義是：對于由N個點組成的不同集合中，某集合對應的dichotomy最大，那么這個dichotomy值就是mH(H)，它的上界是2N：
成長函數其實就是我們之前講的effective lines的數量最大值。根據成長函數的定義，二維平面上，mH(H)隨N的變化關系是：
接下來，我們討論如何計算成長函數。先看一個簡單情況，一維的Positive Rays：
若有N個點，則整個區域可分為N+1段，很容易得到其成長函數mH(N)=N+1。注意當N很大時，(N+1)<<2N，這是我們希望看到的。
另一種情況是一維的Positive Intervals：
它的成長函數可以由下面推導得出：
這種情況下，mH(N)<<2N，在N很大的時候，仍然是滿足的。
再來看這個例子，假設在二維空間里，如果hypothesis是凸多邊形或類圓構成的封閉曲線，如下圖所示，左邊是convex的，右邊不是convex的。那么，它的成長函數是多少呢？
當數據集D按照如下的凸分布時，我們很容易計算得到它的成長函數mH=2N。這種情況下，N個點所有可能的分類情況都能夠被hypotheses set覆蓋，我們把這種情形稱為shattered。也就是說，如果能夠找到一個數據分布集，hypotheses set對N個輸入所有的分類情況都做得到，那么它的成長函數就是2N。
上一小節，我們介紹了四種不同的成長函數，分別是：
其中，positive rays和positive intervals的成長函數都是polynomial的，如果用mH代替M的話，這兩種情況是比較好的。而convex sets的成長函數是exponential的，即等于M，并不能保證機器學習的可行性。那么，對于2D perceptrons，它的成長函數究竟是polynomial的還是exponential的呢？
對于2D perceptrons，我們之前分析了3個點，可以做出8種所有的dichotomy，而4個點，就無法做出所有16個點的dichotomy了。所以，我們就把4稱為2D perceptrons的break point（5、6、7等都是break point）。令有k個點，如果k大于等于break point時，它的成長函數一定小于2的k次方。
根據break point的定義，我們知道滿足mH(k)≠2k的k的最小值就是break point。對于我們之前介紹的四種成長函數，他們的break point分別是：
通過觀察，我們猜測成長函數可能與break point存在某種關系：對于convex sets，沒有break point，它的成長函數是2的N次方；對于positive rays，break point k=2，它的成長函數是O(N)；對于positive intervals，break point k=3，它的成長函數是O(N2)。則根據這種推論，我們猜測2D perceptrons，它的成長函數mH(N)=O(Nk?1)。如果成立，那么就可以用mH代替M，就滿足了機器能夠學習的條件。關于上述猜測的證明，我們下節課再詳細介紹。
本節課，我們更深入地探討了機器學習的可行性。我們把機器學習拆分為兩個核心問題：Ein(g)≈Eout(g)和Ein(g)≈0。對于第一個問題，我們探討了M個hypothesis到底可以劃分為多少種，也就是成長函數mH。并引入了break point的概念，給出了break point的計算方法。下節課，我們將詳細論證對于2D perceptrons，它的成長函數與break point是否存在多項式的關系，如果是這樣，那么機器學習就是可行的。
原文CSDN博客地址：
臺灣大學林軒田機器學習基石課程學習筆記5 -- Training versus Testing
注明：
文章中所有的圖片均來自臺灣大學林軒田《機器學習基石》課程。
