WikiDer > Размерность Вапника – Червоненкиса

Vapnik–Chervonenkis dimension

В Теория Вапника – Червоненкиса., то Размерность Вапника – Червоненкиса (ВК) является мерой способности (сложности, выразительной силы, богатства или гибкости) набора функций, которым может научиться статистическая двоичная классификация алгоритм. Он определяется как мощность наибольшего набора точек, которые алгоритм может разбить. Первоначально он был определен Владимир Вапник и Алексей Червоненкис.^[1]

Неформально емкость модели классификации связана с тем, насколько она может быть сложной. Например, рассмотрим пороговое значение высокогостепень многочлен: если полином больше нуля, эта точка классифицируется как положительная, иначе как отрицательная. Многочлен высокой степени может быть извилистым, поэтому он может хорошо соответствовать заданному набору обучающих точек. Но можно ожидать, что классификатор будет делать ошибки по другим пунктам, потому что он слишком шаткий. Такой многочлен имеет большую емкость. Гораздо более простой альтернативой является определение порога линейной функции. Эта функция может не подходить для обучающей выборки, потому что у нее низкая пропускная способность. Это понятие емкости будет ниже.

Определения

Размер VC набора-семейства

Позволять ${ displaystyle H}$ быть установить семью (набор наборов) и ${ displaystyle C}$ множество. Их пересечение определяется как следующее семейство наборов:

{ Displaystyle H cap C: = {h cap C mid h in H }.}

Мы говорим, что набор ${ displaystyle C}$ является разбитый к ${ displaystyle H}$ если ${ displaystyle H cap C}$ содержит все подмножества ${ displaystyle C}$ , то есть:

{ displaystyle | H cap C | = 2 ^ {| C |}.}

В Размер ВК ${ displaystyle D}$ из ${ displaystyle H}$ самый большой мощность наборов, разбитых ${ displaystyle H}$ . Если можно разбить произвольно большие подмножества, размер VC равен ${ displaystyle infty}$ .

Размер VC модели классификации

Модель бинарной классификации ${ displaystyle f}$ с некоторым вектором параметров ${ displaystyle theta}$ говорят разбить набор точек данных ${ displaystyle (x_ {1}, x_ {2}, ldots, x_ {n})}$ если для всех присвоений этим точкам меток существует ${ displaystyle theta}$ так что модель ${ displaystyle f}$ не делает ошибок при оценке этого набора точек данных.

Размер VC модели ${ displaystyle f}$ - максимальное количество точек, которые можно расположить так, чтобы ${ displaystyle f}$ разбивает их. Более формально это максимальный кардинальный ${ displaystyle D}$ так что некоторый набор точек данных мощность ${ displaystyle D}$ может быть разбит ${ displaystyle f}$ .

Примеры

1. ${ displaystyle f}$ - постоянный классификатор (без параметров). Его VC-размер равен 0, поскольку он не может разбить даже одну точку. В общем, размерность VC конечной модели классификации, которая может возвращать не более ${ displaystyle 2 ^ {d}}$ различных классификаторов, не более ${ displaystyle d}$ (это верхняя граница размера ВК; Лемма Зауэра – Шелаха. дает нижнюю оценку размерности).

2. ${ displaystyle f}$ - однопараметрический пороговый классификатор по действительным числам; то есть для определенного порога ${ displaystyle theta}$ , классификатор ${ displaystyle f _ { theta}}$ возвращает 1, если входное число больше, чем ${ displaystyle theta}$ и 0 в противном случае. Размер VC ${ displaystyle f}$ равен 1, потому что: (a) Он может разбить одну точку. За каждую точку ${ displaystyle x}$ , классификатор ${ displaystyle f _ { theta}}$ помечает это как 0, если ${ Displaystyle theta> х}$ и помечает его как 1, если ${ Displaystyle тета <х}$ . (б) Он не может разбить ни одной пары точек. Для каждого набора из двух чисел, если меньшее помечено 1, то большее также должно быть помечено 1, поэтому не все обозначения возможны.

3. ${ displaystyle f}$ - однопараметрический интервальный классификатор по действительным числам; т.е. для определенного параметра ${ displaystyle theta}$ , классификатор ${ displaystyle f _ { theta}}$ возвращает 1, если входной номер находится в интервале ${ Displaystyle [ тета, тета +4]}$ и 0 в противном случае. Размер VC ${ displaystyle f}$ равно 2, потому что: (a) Он может разрушить некоторые наборы из двух точек. Например, для каждого набора ${ Displaystyle {х, х + 2 }}$ , классификатор ${ displaystyle f _ { theta}}$ помечает его как (0,0), если ${ Displaystyle тета <х-4}$ или если ${ displaystyle theta> х + 2}$ , как (1,0), если ${ Displaystyle тета в [х-4, х-2)}$ , как (1,1), если ${ Displaystyle тета в [х-2, х]}$ , и как (0,1), если ${ Displaystyle тета в (х, х + 2]}$ . (б) Он не может разрушить ни одну из трех точек. Для каждого набора из трех чисел, если наименьшее и наибольшее помечены 1, то среднее также должно быть помечено 1, поэтому не все обозначения возможны.

4. ${ displaystyle f}$ это прямая линия в качестве модели классификации точек на двумерной плоскости (это модель, используемая перцептрон). Линия должна отделять положительные точки данных от отрицательных. Существуют наборы из 3 точек, которые действительно можно разбить с помощью этой модели (любые 3 точки, которые не лежат на одной прямой, могут быть разбиты). Однако ни один набор из 4 пунктов не может быть разрушен: Теорема Радона, любые четыре точки можно разбить на два подмножества с пересекающимися выпуклые оболочки, поэтому невозможно отделить одно из этих двух подмножеств от другого. Таким образом, размер VC этого конкретного классификатора равен 3. Важно помнить, что, хотя можно выбрать любое расположение точек, расположение этих точек не может измениться при попытке разбить для некоторого присвоения метки. Обратите внимание, только 3 из 2³ = 8 возможных назначений меток показаны для трех точек.


3 очка разбиты			4 балла невозможно

5. ${ displaystyle f}$ является однопараметрическим синус классификатор, т.е. по определенному параметру ${ displaystyle theta}$ , классификатор ${ displaystyle f _ { theta}}$ возвращает 1, если входной номер ${ displaystyle x}$ больше чем ${ Displaystyle грех ( тета х)}$ и 0 в противном случае. Размер VC ${ displaystyle f}$ бесконечно, так как может разрушить любое конечное подмножество множества ${ displaystyle {2 ^ {- m} mid m in mathbb {N} }}$ .^[2]^:57

Использует

В статистической теории обучения

Измерение VC может предсказать вероятностный верхняя граница на ошибку теста классификационной модели. Вапник^[3] доказал, что вероятность ошибки теста (т. е. риска с функцией потерь 0-1) отклоняется от верхней границы (на данных, которые рисуются i.i.d. из того же распределения, что и обучающая выборка) определяется как:

{ displaystyle Pr left ({ text {ошибка теста}} leqslant { text {ошибка обучения}} + { sqrt {{ frac {1} {N}} left [D left ( log left ({ tfrac {2N} {D}} right) +1 right) - log left ({ tfrac { eta} {4}} right) right]}} , right ) = 1- eta,}

куда ${ displaystyle D}$ - размер VC классификационной модели, ${ displaystyle 0 < eta leqslant 1}$ , и ${ displaystyle N}$ - размер обучающей выборки (ограничение: эта формула верна, когда ${ Displaystyle D ll N}$ . Когда ${ displaystyle D}$ больше, ошибка теста может быть намного больше, чем ошибка обучения. Это связано с переоснащение).

Размер VC также появляется в границы сложности выборки. Пространство двоичных функций с размерностью VC ${ displaystyle D}$ можно узнать с помощью:

{ Displaystyle N = Theta left ({ frac {D + ln {1 over delta}} { varepsilon}} right)}

образцы, где ${ displaystyle varepsilon}$ ошибка обучения и ${ displaystyle delta}$ вероятность отказа. Таким образом, сложность выборки является линейной функцией размера VC пространства гипотез.

В вычислительная геометрия

Размер ВК - один из критических параметров при размере ε-сети, определяющий сложность алгоритмов аппроксимации на их основе; Наборы диапазонов без конечной размерности VC могут вообще не иметь конечных ε-сетей.

Границы

0. Размерность VC двойственного семейства множеств ${ Displaystyle { mathcal {F}}}$ строго меньше, чем ${ displaystyle 2 ^ { operatorname {vc} ({ mathcal {F}}) + 1}}$ , и это лучше всего.

1. Размерность VC конечного множества-семейства ${ displaystyle H}$ самое большее ${ displaystyle log _ {2} | H |}$ .^[2]^:56 Это потому что ${ displaystyle | H cap C | leq | H |}$ по определению.

2. Учитывая набор-семейство ${ displaystyle H}$ , определять ${ displaystyle H_ {s}}$ как семейство множеств, которое содержит все пересечения ${ displaystyle s}$ элементы ${ displaystyle H}$ . Потом:^[2]^:57

{ Displaystyle OperatorName {VCDim} (H_ {s}) Leq OperatorName {VCDim} (H) cdot (2s log _ {2} (3s))}

3. Учитывая набор-семью ${ displaystyle H}$ и элемент ${ displaystyle h_ {0} in H}$ , определять ${ displaystyle H , Delta h_ {0}: = {h , Delta h_ {0} mid h in H }}$ куда ${ displaystyle Delta}$ обозначает симметричная разность множеств. Потом:^[2]^:58

{ Displaystyle OperatorName {VCDim} (H , Delta h_ {0}) = OperatorName {VCDim} (H)}

VC размерность конечной проективной плоскости

А конечная проективная плоскость порядка п это собрание п² + п +1 набор (называемый "линиями") поверх п² + п +1 элемент (называемый «баллами»), за который:

Каждая строка содержит ровно п +1 балл.
Каждая линия пересекает каждую другую ровно в одной точке.
Каждая точка содержится ровно в п + 1 линия.
Каждая точка находится ровно в одной строке, общей с любой другой точкой.
По крайней мере, четыре точки не лежат на одной линии.

Размерность VC конечной проективной плоскости равна 2.^[4]

Доказательство: (a) Для каждой пары различных точек существует одна строка, содержащая их обе, строки, содержащие только одну из них, и строки, не содержащие ни одной из них, поэтому каждый набор размера 2 разрушается. (b) Для любой тройки из трех различных точек, если существует прямая Икс которые содержат все три, тогда нет строки у который содержит ровно два (с тех пор Икс и у пересекались бы в двух точках, что противоречит определению проективной плоскости). Следовательно, ни один комплект размера 3 не разбит.

Размер VC повышающего классификатора

Предположим, у нас есть базовый класс ${ displaystyle B}$ простых классификаторов, размерность VC которых ${ displaystyle D}$ .

Мы можем создать более мощный классификатор, объединив несколько разных классификаторов из ${ displaystyle B}$ ; эта техника называется повышение. Формально, учитывая ${ displaystyle T}$ классификаторы ${ displaystyle h_ {1}, ldots, h_ {T} in B}$ и вектор веса ${ Displaystyle ш в mathbb {R} ^ {T}}$ , мы можем определить следующий классификатор:

{ displaystyle f (x) = operatorname {sign} left ( sum _ {t = 1} ^ {T} w_ {t} cdot h_ {t} (x) right)}

Размерность VC набора всех таких классификаторов (для всех выборок ${ displaystyle T}$ классификаторы из ${ displaystyle B}$ и вектор веса из ${ Displaystyle mathbb {R} ^ {T}}$ ), предполагая ${ displaystyle T, D geq 3}$ , не более:^[5]^:108–109

{ Displaystyle Т CDOT (D + 1) CDOT (3 журнал (Т CDOT (D + 1)) + 2)}

Размер виртуального канала нейронной сети

А нейронная сеть описывается ориентированный ациклический граф грамм(V,E), куда:

V - это набор узлов. Каждый узел представляет собой простую вычислительную ячейку.
E это набор ребер. Каждое ребро имеет вес.
Вход в сеть представлен источниками графа - узлами без входящих ребер.
Выход сети представлен стоками графа - узлами без исходящих ребер.
Каждый промежуточный узел получает в качестве входных данных взвешенную сумму выходных данных узлов на входящих его ребрах, где веса - это веса на ребрах.
Каждый промежуточный узел выводит определенную возрастающую функцию своего входа, такую как функция знака или сигмовидная функция. Эта функция называется функция активации.

Размер виртуального канала нейронной сети ограничен следующим образом:^[5]^:234–235

Если функция активации является функцией знака, а веса являются общими, то размерность VC не превышает ${ Displaystyle О (| Е | CDOT журнал (| E |))}$ .
Если функция активации является сигмоидной функцией, а веса являются общими, то размерность VC составляет не менее ${ Displaystyle Omega (| E | ^ {2})}$ и самое большее ${ Displaystyle О (| Е | ^ {2} cdot | V | ^ {2})}$ .
Если веса происходят из конечного семейства (например, веса являются действительными числами, которые могут быть представлены на компьютере не более 32 битами), то для обеих функций активации размер VC не превышает ${ Displaystyle O (| E |)}$ .

Обобщения

Размерность VC определена для пространств двоичных функций (функций до {0,1}). Было предложено несколько обобщений для пространств недвоичных функций.

Для многозначных функций (функций до {0, ...,п}), Натараджан измерение^[6] может быть использован. Бен Дэвид и др.^[7] представить обобщение этой концепции.
Для функций с действительными значениями (например, функций с действительным интервалом [0,1]) псевдоразмерность Полларда^[8]^[9]^[10] может быть использован.
В Радемахерская сложность предоставляет аналогичные границы для VC и иногда может дать больше информации, чем вычисления измерений VC, в таких статистических методах, как те, которые используют ядра^{[нужна цитата]}.

Смотрите также

Функция роста
Лемма Зауэра – Шелаха., ограничение на количество наборов в системе наборов с точки зрения измерения VC.
Теорема Карпинского – Макинтайра,^[11] оценка размерности ВК общих формул Пфаффа.

Сноски

^ Вапник, В. Н .; Червоненкис, А.Я. (1971). «О равномерной сходимости относительных частот событий к их вероятностям». Теория вероятностей и ее приложения. 16 (2): 264. Дои:10.1137/1116025.Это английский перевод русской газеты Б. Секлера: «О равномерной сходимости относительных частот событий к их вероятностям». Докл. Акад. Наук. 181 (4): 781. 1968.Перевод был воспроизведен как:Вапник, В. Н .; Червоненкис, А.Я. (2015). «О равномерной сходимости относительных частот событий к их вероятностям». Меры сложности. п. 11. Дои:10.1007/978-3-319-21852-6_3. ISBN 978-3-319-21851-9.
^ ^а ^б ^c ^d Мохри, Мехриар; Ростамизаде, Афшин; Талвалкар, Амит (2012). Основы машинного обучения. США, Массачусетс: MIT Press. ISBN 9780262018258.
^ Вапник 2000.
^ Alon, N .; Haussler, D .; Велцль, Э. (1987). «Разбиение и геометрическое вложение пространств значений конечной размерности Вапника-Червоненкиса». Материалы третьего ежегодного симпозиума по вычислительной геометрии - SCG '87. п. 331. Дои:10.1145/41958.41994. ISBN 978-0897912310. S2CID 7394360.
^ ^а ^б Шалев-Шварц, Шай; Бен-Давид, Шай (2014). Понимание машинного обучения - от теории к алгоритмам. Издательство Кембриджского университета. ISBN 9781107057135.
^ Натараджан 1989.
^ Бен-Давид, Чеза-Бьянки и Лонг 1992.
^ Поллард 1984.
^ Энтони и Бартлетт 2009.
^ Моргенштерн и Рафгарден 2015.
^ Карпински и Макинтайр 1997.

Navigation