为什么机器学习真的可以学到东西？

前言

开始跟《机器学习基石》这门课，相对于Stanford那门课，这门明显难度大很多，我跟到第10个Lecture，才刚刚讲到Logistic Regression。前面费了很大力气在讲机器什么时候可以学习，以及证明为什么能学习。

此文主要是基于《机器学习基石》的学习笔记。Topic是为什么机器可以学习？

机器学习流程

下面是一个粗略的机器学习流程图

机器学习最开始也是最终的目的是获得一个target function，喂进去数据能直接得到正确结论的函数。为了得到这个函数，我们需要一大堆的训练数据。然后通过一个好的机器学习算法，从一大堆可能的function(也就是H)中挑选一个比较好的function(也就是g)，这个g和target function长得越像越好。

Hoeffding’s inequality

大家有没有想过，为什么这样就能学到东西。我们的算法只是在训练数据上跑，从训练数据跑出来的g，我们怎么能确定它也能在测试数据上跑的很好呢？这个就是问题的关键。其实接下来内容主要就是论证这个问题。

先来考虑一个简单的问题。比如说我们现在有一个黑罐子，里面有很多弹珠，只有两种颜色，黄的和绿的。好现在问你，你怎么能知道黄色弹珠大概有多少颗？

大家肯定都会说抽样。没错，我们抽出10个弹珠，很容易能知道黄色弹珠在sample中的比例。但是这个比例真的能代表罐子中的比例吗？也许能，也许不能。而且能的记录会随着我们sample数目的增大而增大。但是也有可能你抓出一把全绿。但这种情况发生的记录很小。这里我们有一个定理保证这种偏差发生的记录很小。

Hoeffding's inequality可以保证偏差很大发生的几率很小，并且随着N的增大很减小。公式如下，v代表sample中黄色弹珠的比例，μ表示罐子中黄色弹珠的比例。也就是偏差。

[|νμ|>]≤2exp(2(^2)N)

坏事的发生

现在我们称v为Ein,μ为Eout，现在我们已经证明了Ein和Eout不会差的太远，更重要的事情是保重Ein越小越好，这就需要一个好的算法。
还记得上面的学习流程吗，我们的算法是从很多个h中去挑选一个Ein最小的h让它成为g。但是这里会有坏事情发生。
所谓的坏事情就是bad sample，就是说我们抽出了十个全是绿的弹珠。现在有一个好的h称之为h1，和坏的h叫h2，h1对于这个bad sample的表现当然是糟糕的，而恰好h2表现很好，那h2就被选成g了。

当出现坏事的时候，我们学习就会困难，可以直接说不能学习。所以这个坏事出现的概率是多少呢？把所有h中发生坏事的几率加起来。

从上图的式子中可以看到，坏事发生的几率和M有关。M也就是h的个数。
从现在的条件来看，如果M很大甚至无线的话那么Learning是不可行的。

无效的Hypothesis

真实的情况是M一般不会很大，请再仔细看看上一张图的推导，M是通过把所有的h坏事发生的概率加起来的，但是其实这些h不是互相独立的。所以这些h是有重复的，如下图。

比如说，我们想学习的target function是一条把x1分类成正负的线。现在h就有无数个，因为任意一条线都能分类，但是实际有意义的只有两种，分成正的和负的。
如果是两个点的话，实际有效的h就有4种，但是3个点就有可能不到8种了，因为会出现三点共线的情况。4个点的话按理说有16种，但是同样有一种情况不会发生，请看下图。

所以现在我们的公式就变成了这样，大大减小M的个数

成长函数的上限

现在我们给上面effective(N)一个称呼，叫做成长函数。也就是说，对于某一个输入D，H最多能够产生的多少种方程。注意是种类的数量。
这个所谓的种类我们也给一个定义叫做dichotomy,用来表示H对与D的二元分类情况。
好，现在问题的关键，就是H到底能把D分成多少个dichotomy。也就是它的成长函数到底是多少？
但是我们很难确定它的成长函数。但是好在我们拥有一个叫做break point的东西，这就是成长函数的上限。我们再看回上面分类的例子。