請注意: 本文是翻譯的一份學習資料，
中文版地址： https://dark417.github.io/MachineLearning/sv_regularization_model_selection_ch/
英文原版請點選Wei的學習筆記: https://wei2624.github.io/MachineLearning/sv_regularization_model_selection/。中文筆記將不斷和原作者的英文筆記同步內容，定期更新和維護。
正則化與模型選擇
在選擇模型時，如果我們在一個模型中有k個引數，那麼問題就是這k個引數應該是什麼值？哪些值可以給出最佳偏差-方差權衡呢。其中，我們從有限集合的模型
中來選取最佳模型。在集合中，我們有不同的模型，或者不同的引數。
1 交叉驗證(Cross Validation)
想象一下，給定資料集S與一系列的模型，我們很容易想到透過以下方式來選擇模型：
1 從S集合訓練每個模型
，並得到相應的假設
2 選取最小訓練誤差的模型
這個想法不能達到目的因為當我們選擇的多項數階數越高時，模型會更好的擬合訓練資料集。然而，這個模型將會在新的資料集中有很高的統一化誤差，也就是高方差。
在這個情況中，保留交叉驗證(hold-out cross validation)將會做得更好：
1 以70%和30%的比例將S隨機分成訓練資料集Str和驗證資料集Scv
2 在Str 在中訓練每一個Mi 以學習假設 hi
3 選擇擁有最小經驗誤差(empirical error)的模型 Scv，我們將它標記為
透過以上幾步，我們試圖透過測試模型在驗證集上的表現以估計真實統一化誤差。在第3步中，在選擇最優模型後，我們可以用整個資料集來重複訓練模型來得到最佳假設模型。然而，即使我們可以這樣做，我們仍然選擇的是基於70%資料集來訓練模型。當資料少的時候這是很糟糕的。
因此，我們引出K折交叉驗證(K-fold cross validation)：
1 隨機將S分成k個分離的子集，每個子集有m/k個樣本，記為
2 對於每個模型Mi ，我們排除一個子集並標記為j，然後我們用其餘的樣本訓練模型以得到Hij 。我們在Sj 上測試模型，並且得到 
。我們這樣遍歷每一個j。最後，我們獲取統一化誤差除以j的平均。
3 我們選擇有最小平均統一誤差的模型
通常我們取k為10。雖然這樣計算上很複雜，但是它會給我們很好的結果。如果資料很少，我們也可能設k=m。在這種情況下，我們每一次除去一個樣本，這種方法叫除一交叉驗證(leave-one-out cross validation)。
2 特徵選擇(Feature Selection)
如果我們有n個特徵，m個樣本，其中
(VC 維度is O(n)),我們可能會過度擬合。在這種情況下，你想選擇最重要的特徵來訓練。在暴力演算法中，我們會有用2n 個特徵組合，我們會有2n 個可能的模型，這處理起來會很費力。因此我們可以選擇用向前搜尋演算法(forward search algorithm):
1 我們初始化為
2 重複：(a)for 
如果, 讓
並且使用交叉驗證演算法來估計
. (b)設定
作為(a)中的最佳特徵子集
3 從以上選擇最佳特徵子集。
你可以透過設定目標特徵數量來終止迴圈。相反地，在特徵選擇中我們也可以使用向後搜尋演算法(backward search)，這於去除演算法類似。然而，因為這兩種演算法的時間複雜度都是O(n^2) ，它們訓練起來都會比較慢。
然而，我們也可以使用過濾特徵選擇(filter feature selection)。它的概念是對於標籤y，我們會根據每一個特徵提供了多少資訊來給它打分，然後挑選出最佳者。
一個容易想到的方法是根據每個xi 和標籤y的相關性打分。實際中，我們將分數設為相互資訊(mutual information):
其中我們假設每個特徵和標籤都是二元值，並且求和覆蓋整個變數域。每一個可能性都會從訓練資料集中計算。為了進一步理解，我們知道：
其中KL是相對熵(Kullback-Leibler divergence)。它計算了豎線兩邊變數分佈的差異。如果xi 和 y 是獨立的，那麼 KL 是0。這代表著特徵和標籤直接沒有任何關係。然而如果MI很高，那麼這個特徵和標籤有強相關性。
3 貝葉斯統計與正則化(Bayesian Statistics and regularization)
在前面一章我們討論了最大似然法(maximum likelihood (ML) algorithm)是如何訓練模型引數的：
在這種情況下，我們視
為未知引數，它已經存在但是未知。我們的任務是找到未知引數並計算它的值。
同時也是隨機的，因此我們設定一個先驗值，稱它為先驗分佈(prior distribution)。基於先驗分佈，我們可以用S資料集來計算後驗分佈：
使用後驗分佈來預測推斷，我們有：
現在，我們可以計算條件期望值y。然而計算後驗值的完全解是很難的，因為分母中的積分很難得到完全解。因此，我們用另一種方式來計算，我們找到一個後驗值的點估計，在這個點上我們獲得後驗值的最佳。最大後驗MAP(maximum a posteriori) 可以用以下方法計算：
通常來講，先驗分佈有0均值，單位方差。這會使MAP 比ML 更不容易過度擬合。