大致正确学习

在前一章中，我们已经证明，对于一个有限的假设类，如果将 ERM 规则应用于足够大的训练样本（其大小独立于基础分布或标记函数），那么输出假设可能会是大致正确的。

更一般地，我们现在定义可能大致正确（PAC, Probably Approximately Correct）学习，一个假设类 $\mathcal{H}$ 是 PAC 可学习的，那么：

• 如果存在一个函数 $m_{\mathcal{H}} : (0,1)^2 \to \mathbb{N}$

• 并存在一个具有以下性质的学习算法：对于每个 $\epsilon, \delta \in (0,1)$ 和每个在 $\mathcal{X}$ 上的分布 $\mathcal{D}$，以及对于每个标记函数 $f : \mathcal{X} \to \{0,1\}$，可实现假设成立

• 在运行学习算法时，需满足 $m \geq m_{\mathcal{H}}(\epsilon, \delta)$ 个由 $\mathcal{D}$ 生成并由 f 标记的独立同分布样例

那么，算法可以返回一个假设 $\mathcal{h}$，使得以至少 $1-\delta$ 的概率，有 $L_{(\mathcal{D},f)}(h) \leq \epsilon$

样本复杂度

其中，函数 $m_{\mathcal{H}} : (0,1)^2 \to \mathbb{N}$ 决定了学习 $\mathcal{H}$ 的样本复杂度，也就是说，需要多少样本才能保证一个可能大致正确的解决方案。样本复杂度是关于精度 $\epsilon$ 和置信度 $\delta$ 的函数。它还取决于假设类 $\mathcal{H}$ 的属性（例如，对于一个有限类，我们已经表明样本复杂度取决于 $\mathcal{H}$ 大小的对数）

注意，如果 $\mathcal{H}$ 是 PAC 可学习的，那么有许多函数 $m_H$ 满足 PAC 可学习性的定义中的要求。因此，为了精确起见，我们将学习 $\mathcal{H}$ 的样本复杂度定义为“最小函数”，也就是说，对于任何 $\epsilon, \delta$，$m_{\mathcal{H}}(\epsilon, \delta)$是满足具有精度和置信度的 PAC 学习要求的最小整数。即：

$$m_{\mathcal{H}}(\epsilon, \delta) \leq \left\lceil \frac{\log(|\mathcal{H}|/\delta)}{\epsilon} \right\rceil$$

去除可实现性假设

现在我们尝试泛化 PAC。之前，我们要求学习算法满足可实现性假设，对于一对数据分布 $\mathcal{D}$ 和标记函数 f 能够成功工作。现在，我们将放弃这一可实现性假设，允许函数存在误差，即不可知（agnostic） PAC 模型。

回忆一下，可实现性假设要求存在一个 $h^* \in \mathcal{H}$，使得 $\mathbb{P}_{x \sim \mathcal{D}}[h^*(x) = f(x)] = 1$

我们通过用更灵活的数据-标签生成分布替代“目标标记函数”来放松可实现性假设。正式地，让 $\mathcal{D}$ 成为 $\mathcal{X} \times \mathcal{Y}$ 上的概率分布，分别代表域集合和标签集合（通常我们考虑 $\mathcal{Y} = \{0,1\}$）。也就是说，$\mathcal{D}$ 是域点和标签的联合分布。这种分布可以视为由两部分组成：

• 未标记域点的分布 $\mathcal{D}_x$（有时称为边缘分布）

• 每个域点的标签的条件概率 $\mathcal{D}((x,y)|x)$

在木瓜的例子中，前者确定了木瓜的颜色和硬度落在某些颜色-硬度值域中的概率，后者表示某个颜色和硬度的木瓜是美味的概率

重新定义 true error：

$$L_{\mathcal{D}}(h) \overset{\text{def}}{=} \mathbb{P}_{(x,y) \sim \mathcal{D}}[h(x) \neq y] \overset{\text{def}}{=} \mathcal{D}(\{(x,y) : h(x) \neq y\})$$

empirical risk 因为只知道训练集，本来就不知道数据的分布，所以与原来一致：

$$L_{S}(h) \overset{\text{def}}{=} \frac{\left|\{i \in [m] : h(x_i) \neq y_i\}\right|}{m}$$

我们的目标还是最小化$L_{\mathcal{D}}(h)$，实际上，可以证明，最优的标签预测函数，即贝叶斯最优预测器 $f_{\mathcal{D}}$ 是：

$$f_{\mathcal{D}}(x) = \begin{cases} 1 & \text{if } \mathbb{P}[y = 1 | x] \ge 1/2 \\ 0 & \text{otherwise} \end{cases}$$

没有比它错误率更低的分类器了，然而，由于不知道 $\mathcal{D}$，没法得到它。我们现在可以给出不可知 PAC 可学习性的正式定义：

当存在一个函数 $m_{\mathcal{H}} : (0,1)^2 \to \mathbb{N}$ 和一个学习算法，具有以下性质时，一个假设类 $\mathcal{H}$ 是不可知 PAC 可学习的：于每一个 $\epsilon, \delta \in (0,1)$ 和每一个在 $\mathcal{X} \times \mathcal{Y}$ 上的分布 $\mathcal{D}$，当在由 $\mathcal{D}$ 生成的 $m\geq m_{\mathcal{H}}(\epsilon, \delta)$ 个独立同分布的样本上运行学习算法时，该算法返回一个假设 $h$，使得在至少 $1-\delta$ 的概率下：

$$L_{\mathcal{D}}(h) \le \min_{h' \in \mathcal{H}} L_{\mathcal{D}}(h') + \epsilon$$

其他形式的任务

我们之前的例子都是西瓜甜不甜，模型是二分类的，只需要给出 0/1。其他任务类型包括：

• 多分类

• 回归，$L_{\mathcal{D}}(h) \overset{\text{def}}{=} \mathbb{E}_{(x,y) \sim \mathcal{D}} (h(x) - y)^2$

现在我们泛化模型损失loss：

给定任意集合 $\mathcal{H}$ 和某个域 $Z$，令损失函数 $\ell$ 为从 $\mathcal{H} \times Z$ 到非负实数集的任意函数（$\ell : \mathcal{H} \times Z \to \mathbb{R}_{+}$ ）注意，对于预测问题，我们有 $Z=\mathcal{X} \times \mathcal{Y}$。然而，我们对损失函数的概念超出了预测任务的范围，因此允许 $\mathcal{X} \times \mathcal{Y}$ 是任何示例域

我们现在定义风险函数（risk function）为一个分类器 $h \in \mathcal{H}$ 在概率分布$\mathcal{D}$ 下的期望损失：

$$L_{\mathcal{D}}(h) \overset{\text{def}}{=} \mathbb{E}_{z \sim \mathcal{D}} [\ell(h, z)]$$

同样，我们定义经验风险为给定样本 $S=\{z_1,...z_m\} \in Z^m$ 的期望损失，即：

$$L_{S}(h) \overset{\text{def}}{=} \frac{1}{m} \sum_{i=1}^{m} \ell(h, z_i)$$

例如，0-1 loss function：

$$\ell_{0-1}(h, (x, y)) \overset{\text{def}}{=} \begin{cases} 0 & \text{if } h(x) = y \\ 1 & \text{if } h(x) \neq y \end{cases}$$

方差损失：

$$\ell_{\text{sq}}(h, (x, y)) \overset{\text{def}}{=} (h(x) - y)^2$$

一般损失的不可知 PAC 可学习性

现在我们将上面两个章节结合起来，得出一个假设类 $\mathcal{H}$ 在一般损失函数 $\ell : \mathcal{H} \times Z \to \mathbb{R}_{+}$ 下是 Agnostic PAC Learnable的定义：

存在一个函数 $m_{\mathcal{H}} : (0, 1)^2 \to \mathbb{N}$，和一个具有以下性质的学习算法：对于每个 $\epsilon, \delta \in (0, 1)$ 和在 $Z$ 上的分布 $\mathcal{D}$，当在由 $\mathcal{D}$ 生成的至少 $m \geq m_{\mathcal{H}}(\epsilon, \delta)$ 个独立同分布样本上运行学习算法时，算法返回$h \in \mathcal{H}$，使得以至少 $1 - \delta$的概率，满足

$$L_{\mathcal{D}}(h) \leq \min_{h' \in \mathcal{H}} L_{\mathcal{D}}(h') + \epsilon$$

其中，$L_{\mathcal{D}}(h) = \mathbb{E}_{Z \sim \mathcal{D}}[\ell(h, z)]$

可测性(Measurability)的说明：在上述定义中，对于每个 $h \in \mathcal{H}$ ，我们将函数 $\ell(h, \cdot) : Z \to \mathbb{R}_+$ 视为随机变量，并定义$L_D(h)$ 为该随机变量的期望值。为此，我们需要要求函数 $\ell(h, \cdot)$ 是可测的。

形式上，我们假设存在一个 $Z$ 的子集的 $\sigma$-代数，该代数上定义了概率 $\mathcal{D}$，并且 $\mathbb{R}_+$ 中每个初始区间的原像(preimage)都在这个 $\sigma$-代数中。

在使用 0-1 损失的二分类情况下，$\sigma$-代数是关于 $\mathcal{X} \times \{0, 1\}$ 的，并且我们关于 $\ell$ 的假设等价于假设对于每个 $h$，集合 $\{(x, h(x)) : x \in \mathcal{X}\}$ 在这个 $\sigma$-代数中。