上節課我們主要介紹了Deep Learning的概念。Deep Learing其實是Neural Networ的延伸，神經元更多，網路結構更加複雜。深度學習網路在訓練的過程中最核心的問題就是pre-training和regularization。pre-training中，我們使用denoising autoencoder來對初始化權重進行選擇。denoising autoencoder與統計學中經常用來進行資料處理的PCA演算法具有很大的關聯性。這節課我們將介紹Radial Basis Function Network，把之前介紹的adial Basis Function和Neural Network聯絡起來。
1. RBF Network Hypothesis
之前我們介紹過，在SVM中引入Gaussian Kernel就能在無限多維的特徵轉換中得到一條“粗壯”的分界線（或者高維分界平面、分界超平面）。從結果來看，Gaussian SVM其實就是將一些Gaussian函式進行線性組合，而Gaussian函式的中心就位於Support Vectors上，最終得到預測模型g_{svm}(x)。
Gaussian kernel的另一種叫法是Radial Basis Function(RBF) kernel，即徑向基函式。這個名字從何而來？首先，radial表示Gaussian函式計算結果只跟新的點x與中心點x_n的距離有關，與其它無關。basis function就是指Gaussian函式，最終的矩g_{svm}(x)就是由這些basis function線性組合而成。
從另外一個角度來看Gaussian SVM。首先，構造一個函式g_n(x)：
g_n(x)=y_ne^{-\gamma||x-x_n||^2}
上式中，指數項表示新的點x與x_n之間的距離大小。距離越近，即權重越大，相當於對y_n投的票數更多；而距離越遠，權重越小，相當於對y_n投的票數更少。其物理意義是新的點與x_n的距離遠近決定了g_n(x)與y_n的接近程度。如果距離越近，則y_n對g_n(x)的權重影響越大；如果距離越遠，則y_n對g_n(x)的權重影響越小。那麼整體來說，g_{svm}(x)就由所有的SV組成的g_n(x)線性組合而成，不同g_n(x)對應的係數是\alpha_n，最後由sign函式做最後的選擇。這個過程很型別我們之前介紹的aggregation中將所有較好的hypothesis線性組合，不同的g_n(x)有不同的權重\alpha_n。我們把g_n(x)叫做radial hypotheses，Gaussian SVM就是將所有SV對應的radial hypotheses進行線性組合（linear aggregation）。
那麼，Radial Basis Function(RBF) Network其實就是上面Gaussian SVM概念的延伸，目的就是找到所有radial hypotheses的linear aggregation，得到更好的網路模型。
之所以叫作RBF Network是因為它的模型結構類似於我們之前介紹的Neural Network。
Neural Network與RBF Network在輸出層基本是類似的，都是上一層hypotheses的線性組合（linear aggregation）。但是對於隱藏層的各個神經元來說，Neural Network是使用內積（inner-product）加上tanh()函式的方法，而RBF Network是使用距離（distance）加上Gaussian函式的方法。總的來說，RBF Network是Neural Network的一個分支。
至此，RBF Network Hypothesis以及網路結構可以寫成如下形式：
上式中，\mu_m表示每個中心點的位置，隱藏層每個神經元對應一箇中心點；\beta_m表示每個RBF的權重，即投票所佔比重。
對應到Gaussian SVM上，上式中的RBF就是Gaussian函式。由於是分類問題，上式中的Output就是sign函式。其中，RBF的個數M就等於支援向量的個數SV，\mu_m就代表每個SV的座標x_m，而\beta_m就是在Dual SVM中推導得到的\alpha_ny_m值。那我們學習的目標就是根據已知的RBF和Output，來決定最好的中心點位置\mu_m和權重係數\beta_m。
在之前介紹SVM的時候，我們就講過Mercer定理：一個矩陣是Kernel的充分必要條件是它是對稱的且是半正定的，條件比較苛刻。除了Gaussian kernel還有Polynomial kernel等等。Kernel實際上描述了兩個向量之間的相似性，通過轉換到z空間計算內積的方式，來表徵二者之間的相似性。而RBF實際上是直接使用x空間的距離來描述了一種相似性，距離越近，相似性越高。因此，kernel和RBF可以看成是兩種衡量相似性（similarity）的方式。本文介紹的Gaussian RBF即為二者的交集。
除了kernel和RBF之外，還有其它衡量相似性的函式。例如神經網路中的神經元就是衡量輸入和權重之間的相似性。
經過以上分析，我們知道了RBF Network中distance similarity是一個很好的定義特徵轉換的方法。除此之外，我們還可以使用其它相似性函式來表徵特徵轉換，從而得到更好的機器學習模型。
2. RBF Network Learning
我們已經介紹了RBF Network的Hypothesis可表示為：
其中\mu_m表示中心點的位置。\mu_m的個數M是人為決定的，如果將每個樣本點x_m都作為一箇中心點，即M=N，則我們把這種結構稱為full RBF Network。也就是說，對於full RBF Network，每個樣本點都對最終的預測都有影響（uniform influence），影響的程度由距離函式和權重\beta_m決定。如果每個樣本點的影響力都是相同的，設為1，\beta_m=1\cdot y_m，那麼相當於只根據距離的遠近進行投票。最終將x與所有樣本點的RBF距離線性組合，經過sign函式後，得到最終的預測分類結果。這實際上就是aggregation的過程，考慮並計入所有樣本點的影響力，最後將x與所有樣本點的distance similarity進行線性組合。
full RBF Network的矩可以表示為：
我們來看上式中的Gaussian函式項，當x與樣本點x_m越接近的時候，其高斯函式值越大。由於Gaussian函式曲線性質，越靠近中心點，值越大；偏離中心點，其值會下降得很快。也就是說，在所有N箇中心樣本點中，往往只有距離x最近的那個樣本點起到關鍵作用，而其它距離x較遠的樣本點其值很小，基本可以忽略。因此，為了簡化運算，我們可以找到距離x最近的中心樣本點，只用這一個點來代替所有N個點，最後得到的矩g_{nbor}(x)也只由該最近的中心點決定。這種模型叫做nearest neighbor model，只考慮距離x最近的那一個“鄰居”。
當然可以對nearest neighbor model進行擴充套件，如果不是隻選擇一個“鄰居”，而是選擇距離x最近的k個“鄰居”，進行uniformly aggregation，得到最終的矩g_{nbor}(x)。這種方法通常叫做k近鄰演算法（k nearest neighbor）。
k nearest neighbor通常比nearest neighbor model效果更好，計算量上也比full RBF Network要簡單一些。值得一提的是，k nearest neighbor與full RBF Network都是比較“偷懶”的方法。因為它們在訓練模型的時候比較簡單，沒有太多的運算，但是在測試的時候卻要花費更多的力氣，找出最相近的中心點，計算相對複雜一些。
接下來，我們來看一下Full RBF Network有什麼樣的優點和好處。考慮一個squared error regression問題，且每個RBF的權重為\beta_m而不是前面簡化的y_m。目的是計算最優化模型對應的\beta_m值。該hypothesis可表示為：
很明顯，這是一個簡單的線性迴歸問題，每個RBF都可以看成是特徵轉換。特徵轉換後的向量z_n可表示為：
z_n=[RBF(x_n,x_1),\ RBF(x_n,x_2),\ \cdots,\ RBF(x_n,x_N)]
那麼，根據之前線性迴歸介紹過的最優化解公式，就能快速地得到\beta的最優解為：
\beta=(Z^TZ)^{-1}Z^Ty
上述解的條件是矩陣Z^TZ是可逆的。
矩陣Z的大小是NxN，是一個方陣。而且，由於Z中每個向量z_n表示該點與其它所有點的RBF distance，所以從形式上來說，Z也是對稱矩陣。如果所有的樣本點x_n都不一樣，則Z一定是可逆的。
根據Z矩陣的這些性質，我們可以對\beta的解進行化簡，得到：
\beta=Z^{-1}y
將\beta的解代入矩的計算中，以x_1為例，得到：
g_{RBF}(x_1)=\beta^Tz_1=y^TZ^{-1}z_1=y^T\ [1\ 0\ \cdots\ 0]^T=y_1
結果非常有趣，模型的輸出與原樣本y_1完全相同。同樣，對任意的x_n，都能得到g_{RBF}(x_n)=y_n。因此，E_{in}(g_{RBF})=0。看起來，這個模型非常完美了，沒有error。但是，我們之前就說過，機器學習中，E_{in}=0並非好事，很可能造成模型複雜度增加及過擬合。
當然，這種方法在某些領域還是很有用的。比如在函式擬合（function approximation）中，目標就是讓E_{in}=0，使得原所有樣本都儘可能地落在擬合的函式曲線上。
為了避免發生過擬合，我們可以引入正則項\lambda，得到\beta的最優解為：
\beta=(Z^TZ+\lambda I)^{-1}Z^Ty
我們再來看一下Z矩陣，Z矩陣是由一系列Gaussian函式組成，每個Gaussian函式計算的是兩個樣本之間的distance similarity。這裡的Z與之前我們介紹的Gaussian SVM中的kernel K是一致的。當時我們得到kernel ridgeregression中線性係數\beta的解為：
\beta=(K+\lambda I)^{-1}y
比較一下kernel ridgeregression與regularized full RBF Network的\beta解，形式上相似但不完全相同。這是因為regularization不一樣，在kernel ridgeregression中，是對無限多維的特徵轉換做regularization，而在regularized full RBF Network中，是對有限維（N維度）的特徵轉換做regularization。因此，兩者的公式解有細微差別。
除此之外，還有另外一種regularization的方法，就是不把所有N個樣本點都拿來作中心點，而是隻選擇其中的M個樣本點作為中心點。類似於SVM中的SV一樣，只選擇具有代表性的M箇中心點。這樣減少中心點數量的同時也就減少了權重的數量，能夠起到regularization的效果，避免發生過擬合。
下一部分，我們將討論如何選取M箇中心點作為好的代表。
3. k-Means Algorithm
之所以要選擇代表，是因為如果某些樣本點很接近，那麼就可以用一箇中心點來代表它們。這就是聚類（cluster）的思想，從所有N個樣本點中選擇少數幾個代表作為中心點。
聚類（clustering）問題是一種典型的非監督式學習（unsupervised learning）。它的優化問題有兩個變數需要確定：一個是分類的分群值S_m，每一類可表示為S_1,S_2,\cdots,S_M；另外一個是每一類對應的中心點\mu_1,\mu_2,\cdots,\mu_M。那麼對於該聚類問題的優化，其error function可使用squared error measure來衡量。
那麼，我們的目標就是通過選擇最合適的S_1,S_2,\cdots,S_M和\mu_1,\mu_2,\cdots,\mu_M，使得E_{in}最小化。對應的公式可表示為：
從這個最小化公式，我們能夠發現這是一個組合最佳化的問題，既要優化分群值S_m，又要求解每一類的中心點u_m。所以，這個最小化問題是比較複雜、難優化的。通常的辦法是對S和\mu分別進行最優化求解。
首先，如果\mu_1,\mu_2,\cdots,\mu_M是固定的，目標就是隻要對所有的x_n進行分群歸類。這個求解過程很簡單，因為每個樣本點只能屬於一個群S，不能同時屬於兩個或多個群。所以，只要根據距離公式，計算選擇離x_n最近的中心點\mu即可。
然後，如果S_1,S_2,\cdots,S_M是固定的，目標就是隻要找出每個類的中心點\mu。顯然，根據上式中的error function，所有的x_n分群是已知的，那麼該最小化問題就是一個典型的數值最優化問題。對於每個類群S_m，利用梯度下降演算法，即可得到\mu_m的解。
如上圖所示，中心點\mu_m就等於所有屬於類群S_m的平均位置處。
經過以上的推導，我們得到了一個非常有名的一種unsupervised learning演算法，叫做k-Means Algorithm。這裡的k就是代表上面的M，表示類群的個數。
k-Means Algorithm的流程是這樣的：首先，隨機選擇k箇中心點\mu_1,\mu_2,\cdots,\mu_k；然後，再由確定的中心點得到不同的類群S_1,S_2,\cdots,S_k；接著，再由確定的類群計算出新的不同的k箇中心點；繼續迴圈迭代計算，互動地對\mu和S值進行最優化計算，不斷更新\mu和S值，直到程式收斂，實現E_{in}最小化。具體演算法流程圖如下所示：
有一個問題是，k-Means Algorithm的迴圈迭代一定會停止嗎？或者說一定能得到最優解嗎？答案是肯定的。因為每次迭代更新，\mu和S值都會比上一次的值更接近最優解，也就是說E_{in}是不斷減小的。而E_{in}的下界是0，所以，E_{in}最終會等於0，\mu和S最終能得到最優解。
k-Means Algorithm已經介紹完畢。接下來，我們把k-Means Algorithm應用到RBF Network中去。首先，使用k-Means，得到原始樣本的k箇中心點。原始樣本到k箇中心點組成了RBF特徵轉換\Phi(x)。然後，根據上面介紹過的線性模型，由最優化公式解計算得到權重\beta值。最後，將所有的\Phi(x)用\beta線性組合，即得到矩g_{RBFNET}(x)的表示式。具體的演算法流程如下所示：
值得一提的是，這裡我們使用了unsupervised learning（k-Means）與我們上節課介紹的autoencoder類似，同樣都是特徵轉換（feature transform）的方法。
在最優化求解過程中，引數有k-Means類群個數M、Gaussian函式引數\lambda等。我們可以採用validation的方法來選取最佳的引數值。
4. k-means and RBF Network in Action
下面這部分，我們將舉幾個例子，看一下k-Means Algorithm是如何處理分類問題的。
第一個例子，平面上有4個類群，k=4。首先，我們隨機選擇4箇中心點，如下圖中四種顏色的方塊所示：
第一次迭代，由初始中心點，得到4個類群點的分佈：
4個類群點確定後，再更新4箇中心點的位置：
第二次迭代，由上面得到的4箇中心點，再計算4個類群點的分佈：
4個類群點確定後，再更新4箇中心點的位置：
第三次迭代，由上面得到的4箇中心點，再計算4個類群點的分佈：
4個類群點確定後，再更新4箇中心點的位置：
第四次迭代，由上面得到的4箇中心點，再計算4個類群點的分佈：
4個類群點確定後，再更新4箇中心點的位置：
第五次迭代，由上面得到的4箇中心點，再計算4個類群點的分佈：
4個類群點確定後，再更新4箇中心點的位置：
第六次迭代，由上面得到的4箇中心點，再計算4個類群點的分佈：
4個類群點確定後，再更新4箇中心點的位置：
從上圖我們可以看到，經過六次迭代計算後，聚類的效果已經相當不錯了。從另外一個角度來說，k值的選擇很重要，下面我們來看看不同的k值對應什麼樣的分類效果。
如上圖所示，初始時，我們分別設定k為2，4，7，隨機選擇中心點位置。在經過多次迭代後，得到的聚類結果如下：
通過上面這個例子可以得出，不同的k值會得到不同的聚類效果。還有一點值得注意的是，初始中心點位置也可能會影響最終的聚類。例如上圖中k=7的例子，初始值選取的右邊三個中心點比較靠近，最後得到的右邊三個聚類中心點位置也跟初始位置比較相近。所以，k值大小和初始中心點位置都會影響聚類效果。
接下來，我們把k-Means應用到RBF Network中，同樣分別設定k為2，4，7，不同模型得到的分類效果如下：
很明顯，k=2時，分類效果不是太好；k=4時，分類效果好一些；而k=7時，分類效果更好，能夠更細緻地將樣本準確分類。這說明了k-Means中k值設定得是否合理，對RBF Network的分類效果起到重要的作用。
再來看一個例子，如果使用full RBF Network進行分類，即k=N，如下圖左邊所示，設定正則化因子\lambda=0.001。下圖右邊表示只考慮full RBF Network中的nearest neighbor。下圖中間表示的是k=4的RBF Network的分類效果。
從上圖的比較中，我們可以發現full RBF Network得到的分類線比較彎曲複雜。由於full RBF Network的計算量比較大，所以一般情況下，實際應用得不太多。
5. 總結
本節課主要介紹了Radial Basis Function Network。RBF Network Hypothesis就是計算樣本之間distance similarity的Gaussian函式，這類原型替代了神經網路中的神經元。RBF Network的訓練學習過程，其實就是對所有的原型Hypotheses進行linear aggregation。然後，我們介紹了一個確定k箇中心點的unsupervised learning演算法，叫做k-Means Algorithm。這是一種典型的聚類演算法，實現對原始樣本資料的聚類分群。接著，將k-Means Algorithm應用到RBF Network中，選擇合適數量的中心點，得到更好的分類模型。最後，我們列舉了幾個在實際中使用k-Means和RBF Network的例子，結果顯示不同的類群k值對分類的效果影響很大。
註明：
文章中所有的圖片均來自臺灣大學林軒田《機器學習技法》課程
更多AI資源請關注公眾號：AI有道（ID：redstonewill）
