注：
文章中所有的图片均来自*大学林轩田《机器学习基石》课程。
笔记原作者：红色石头
微信公众号：AI有道
前几节课着重介绍了机器能够学习的条件并做了详细的推导和解释。机器能够学习必须满足两个条件：
- 当假设空间\(\mathcal{H}\)的Size M是有限的时候，则\(N\)足够大的时候，对于假设空间中任意一个假设\(g\)，都有\(E_{out}\approx E_{in}\) 。
- 利用算法A从假设空间\(\mathcal{H}\)中，挑选一个\(g\)，使\(E_{in}(g)\approx 0\)，则\(E_{out}\approx 0\)。
这两个条件，正好对应着test和trian两个过程。train的目的是使损失期望\(E_{in}(g)\approx 0\)；test的目的是使将算法用到新的样本时的损失期望也尽可能小，即\(E_{out}(g)\approx 0\)。
因此，上次课引入了break point，并推导出只要break point存在，则\(M\)有上界(成长函数\(m_H(N)\))，一定存在\(E_{out}\approx E_{in}\)。
本节课主要介绍VC Dimension的概念，同时也总结VC Dimension与\(E_{in}(g)\approx 0\)、\(E_{out}(g)\approx 0\)、Model Complexity Penalty的关系。
一、Definition of VC Dimension
首先，我们知道如果一个假设空间\(\mathcal{H}\)有break point \(k\)，那么它的成长函数是有界的，它的上界称为Bound function。根据数学归纳法，Bound function也是有界的，且上界为\(N^{k-1}\)。从下面的表格可以看出，\(N^{k-1}\)比\(B(N,k)\)松弛很多。
根据上一节课的推导，VC bound转化为：
如此一来，不等式只与\(k\)和\(N\)相关，一般情况下样本\(N\)足够大，只考虑\(k\)值，有如下结论：
- 若假设空间\(\mathcal{H}\)有break point \(k\)，且\(N\)足够大，则根据VC bound理论，算法有良好的泛化能力，即出现坏事情的机率非常低
- 在假设空间中选择一个\(g\)，使得\(E_{in}\approx 0\)，则其在全局数据中的错误率也会比较低
接下来，根据break point介绍一个新的名词：VC Dimension。注意，break point的定义是，假设集不能被shatter的任何分布类型的inputs的最少个数。VC Dimension就是某假设集\(\mathcal{H}\)能够shatter的最多inputs的个数，只要存在一种分布的inputs能够被shatter就可以。根据定义，可以看到，VC Dimension 等于break point 的个数减一。
回顾之前的案例，它们对应的VC Dimension：
用\(d_{vc}\)代替\(k\)，那么VC bound的问题也就转换为与\(d_{vc}\)和\(N\)相关了。同时，如果一个假设集\(\mathcal{H}\)的\(d_{vc}\)确定了，则就能满足机器能够学习的第一个条件\(E_{out}\approx E_{in}\)，与算法、
样本数据分布和目标函数都没有关系。
二、VC Dimension of Perceptrons
回顾一下之前介绍的2D下的PLA算法，已知Perceptrons的\(k=4\)，即\(d_{vc}=3\)。根据VC Bound理论，当\(N\)足够大的时候，\(E_{out}(g)\approx E_{in}(g)\) 。如果找到一个\(g\)，使\(E_{in}(g)\approx 0\)，那么就能证明PLA是可以学习的。
这是在2D情况下，那如果是多维的Perceptron，它对应的\(d_{vc}\)又等于多少呢？
已知在1D Perceptron，\(d_{vc}=2\) ，在2D Perceptrons，\(d_{vc}=3\) ，那么我们有如下假设：\(d_{vc}=d+1\)，其中\(d\)为维数。
要证明的话，需要分两步：
- \(d_{vc}\geq d+1\)
- \(d_{vc}\leq d+1\)
首先证明第一个不等式：\(d_{vc}\geq d+1\) 。
在\(d\)维感知器中，只要找到某一类的\(d+1\)个inputs可以被shatter的，就可以得到\(d_{vc}\geq d+1\)。构造如下一个\(d+1\)维矩阵\(X\):
注意到\(X\)是可逆的，对于任意的\(y=\begin{bmatrix}y_1 \\ y_2\\ \cdots \\ y_{d+1}\end{bmatrix}=\begin{bmatrix}\pm 1 \\ \pm 1 \\ \cdots \\ \pm 1\end{bmatrix}\)，如果能找到一个向量\(w\)使得\(sign(Xw)=y\)，则说明这\(d+1\)个input是可以被shatter的，也就是说\(d_{vc}\geq d+1\)， 由于\(X\)是可逆的，所以\(w=X^{-1}y\)就满足条件。
现在证明第二个不等式：\(d_{vc}\geq d+1\) 。
只要证明任意\(d+2\)个inputs，一定不能被shatter。构造一个任意的矩阵\(X\)，包含\(d+2\)个inputs，该矩阵有\(d+1\)列，\(d+2\)行。这\(d+2\)个向量的某个向量一定可以被另外\(d+1\)个向量线性表示，例如对于向量\(X_{d+2}\)，可表示为: \[X_{d+2}=a_1*X_1+a_2*X_2+...+a_{d+1}*X_{d+1}\]假设\(a_1>0\)，\(a_2\),...,\(a_{d+1}\leq 0\)，能否找到一个\(w\)使得\(y=sign(Xw)=(sign(a_1),sign(a_2),...,sign(a_{d+1}),\times)\)
假设这样的\(w\)存在，则有\(sign(X_iw)=sign(a_i),i=1,...,d+1\)，然而对于这样的\(w\)，必有\[X_{d+2}w=a_1*X_1*w+a_2*X_2*w+...+a_{d+1}*X_{d+1}*w>0\]与\(w\)的存在矛盾。所以，找不到这样的\(w\)，即任意的\(d+2\)个inputs都不能被shatter，\(d_{vc}\geq d+1\) 。
综上可得\(d_{vc}=d+1\) 。
三、Physical Intuition VC Dimension
上节公式中\(W\)又名features，即*度。*度是可以任意调节的，如同上图中的旋钮一样。VC Dimension代表了假设空间的分类能力，即反映了\(\mathcal{H}\)的*度，产生dichotomy的数量，也就等于features的个数，但不是绝对的。
例如，对2D Perceptrons，线性分类，\(d_{vc}=3\)，则\(W={w_0,w_1,w_2}\)，也就是说只要3个features就可以进行学习，*度为3。
可以发现，\(M\)与\(d_{vc}\)是成正比的：
四、Interpreting VC Dimension
下面，更深入地探讨VC Dimension的意义。首先，把VC Bound重新写到这里：
根据之前的泛化不等式，\(|E_{in}-E_{out}|>\epsilon\)，即出现bad的情况的概率最大不超过\(\delta\)。那么反过来，对于good的情况发生的概率最小为\(1-\delta\)，对上述不等式进行重新推导：
\(\epsilon\)表现了假设空间\(H\)的泛化能力，\(\epsilon\)越小，泛化能力越大。
至此，已经推导出泛化误差\(E_{out}\)的边界，我们更关心的是其上界，即
上述不等式的右边第二项称为模型复杂度(Model Complexity Penalty)，其模型复杂度与样本数量\(N\)、假设空间\(H\)的VC Dimension、\(\epsilon\)有关。\(E_{out}\)由\(E_{in}\)和模型复杂度共同决定。下面绘制出\(E_{out}\)、Model Complexity 、\(E_{in}\)随\(d_{vc}\)变化的曲线图：
可以看到：
- \(d_{vc}\)越大（假设空间可选择的余地越大），\(E_{in}\)越小，\(\Omega\)越大（复杂）
- \(d_{vc}\)越小（假设空间可选择的余地越小），\(E_{in}\)越大，\(\Omega\)越小（简单）
- 随着\(d_{vc}\)增大，\(E_{out}\)会先减小，再增大
所以为了得到最小的\(E_{out}\)，不能一味地增大\(d_{vc}\)以减小\(E_{in}\)，因为\(E_{in}\)太小的时候，模型复杂度会增加，造成\(E_{out}\)变大。
下面介绍一个概念：样本复杂度（Sample Complexity）。如果给定\(d_{vc}\)，样本数据D选择多少合适呢？通过下面一个例子可以帮助我们理解：
通过计算得到\(N=29300\)，刚好满足的条件。\(N\)大约是\(d_{vc}\)的10000倍。这个数值太大了，实际中往往不需要这么多的样本数量，大概只需要\(d_{vc}\)的10倍就够了。\(N\)的理论值之所以这么大是因为VC Bound 过于宽松了，我们得到的是一个比实际大得多的上界。
值得一提的是，VC Bound是比较宽松的，而如何收紧它却不是那么容易，这也是机器学习的一大难题。但是，令人欣慰的一点是，VC Bound基本上对所有模型的宽松程度是基本一致的，所以，不同模型之间还是可以横向比较。从而，VC Bound宽松对机器学习的可行性还是没有太大影响。
五、总结
本节课主要介绍了VC Dimension的概念，即最大的non-break point。然后，我们得到了Perceptrons在\(d\)维度下的VC Dimension是\(d+1\)。接着，我们在物理意义上，将\(d_{vc}\)与*度联系起来。最终得出结论\(d_{vc}\)不能过大也不能过小。选取合适的值（这个可以*选择？有待进一步理解），才能让\(E_{out}\)足够小，使假设空间H具有良好的泛化能力。