当前位置：首页 > news >正文

过拟合、归一化、正则化、鞍点

news 来源：原创 2025/5/14 5:24:28

过拟合

过拟合的本质原因往往是因为模型具备方差很大的权重参数。

定义一个有4个特征的输入 $X$ ，特征向量为 $[x_1,x_2,x_3,x_4]$ ,定义一个模型，其只有4个参数，表示为 $[w_1,w_2,w_3,w_4]$ 。当模型过拟合时，这四个权重参数的方差会很大，可以假设为 $[w_1=0,w_2=1,w_3=12,w_4=2]$ 。当 $X$ 经过这个模型后，产生输出 $x_1*0+x_2*1+x_3*12+x_4*2$ ，由输出可知，这个模型过分地强调了特征 $x_3$ 的影响，从而导致模型的输出结果由 $x_3$ 主导，因为其对应的权重参数 $w_3$ 很大。这样会使得模型的容错很小，即泛化很差，只要特征 $x_3$ 稍有波动，模型的输出结果就会产生很大地变化。这就是过拟合的本质现象。

归一化

归一化是从特征本身出发，解决过拟合现象。

同样考虑输入 $X=[x_1=1,x_2=3,x_3=16,x_4=1]$ ,模型参数 $W=[w_1,w_2,w_3,w_4]$ 。在进行梯度下降时，模型输出 $Y$ 对模型参数的梯度分别为， $\frac{\partial Y}{\partial w_1}=x_1=1,\frac{\partial Y}{\partial w_2}=x_2=3,\frac{\partial Y}{\partial w_3}=x_3=16,\frac{\partial Y}{\partial w_4}=x_4=1$ ，很容易发现， $x_3$ 对应的权重参数 $w_3$ 的梯度最大，在梯度更新时，输出 $Y$ 偏向于沿 $w_3$ 方向更新，从而导致模型收敛后， $w_3$ 与其它参数的差异较大，进而发生过拟合。同时整个梯度方向大幅度偏向 $w_3$ 方向，使得梯度下降的路线成“之”字形，到达收敛点的迭代次数会变多。

这种现象是由于 $X$ 的特征方差过大，特征之间的分布差异过大。为了解决这种现象，就需要将 $X$ 的特征分布转化成方差为1，均值为0的分布，减小特征分布差异。

当被归一化处理后的 $X$ 作为模型输入时，每个权重参数的梯度相差不大，使得每个权重参数的更新步幅基本一致，当模型收敛后，权重参数的方差就会很小。

正则化

为了防止模型权重参数的方差过大，从而引起过拟合。正则化是从权重参数出发，解决过拟合现象。

不管模型有多复杂，输入的每个特征值在模型中都会与特定的权重参数相乘或相加，这就使得每个权重参数在前向传播或反向传播时，只与输入的部分特征值有关。如果权重参数分布差异大，就会导致对输入的每个特征产生不平衡的注意力倾斜，最终的输出结果就会由权值较大的参数主导，那些权值较小的参数就将变得毫无作用，因为有无它们都对输出结果产生不了影响。正则化就是要消除这种差异性，使得所有权重参数都同样重要(也会存在差异，只是这种差异被转化到了一个很小的量纲中了，被削弱了)，且尽可能小。

常用的L2正则化会使得每个权重参数趋近于0，使得输入的所有特征值都显得同样重要，这时如果输入中存在异常的特征值（值很大），由于其对应的权重参数都很小，接近于0，它也不会对模型的输出造成太大的影响。

另外，L2正则化能够减小数据分布不同带来的影响。假设存在数据集A和B，A和B的分布不同。当模型在A数据集上训练好后，模型的权重参数将匹配A的特征分布。如果不用正则化进行训练，模型在B数据集上的表现会很差，这是因为权重参数的分布已经匹配上了A的特征分布，如果模型接受一个与A分布差异太大的B,就会使得模型输出结果产生很大的偏差。如果使用了L2正则化，每个权重参数都很小，就会使得这种偏差不那么大，从而提高泛化能力

鞍点

鞍点（Saddle point）在微分方程中，沿着某一方向是稳定的，另一条方向是不稳定的奇点，叫做鞍点。在泛函中，既不是极大值点也不是极小值点的临界点，叫做鞍点。在矩阵中，一个数在所在行中是最大值，在所在列中是最小值，则被称为鞍点。在物理上要广泛一些，指在一个方向是极大值，另一个方向是极小值的点。

模型越复杂(参数量越多)，鞍点就越多，训练时收敛在鞍点的可能性就越大。因为鞍点既不是局部最优点，更不是全局最优点，所以越复杂的模型达到最优点的速度越慢，因为它们很大可能被困于鞍点。