机器学习笔记【Week9】

一、异常检测问题动机

• 在现实中，我们经常会遇到 “异常检测” 的任务：识别罕见、异常、不符合正常模式的数据点。
  • 例：工业设备故障检测，银行欺诈识别，异常流量检测等。
• 核心特点：异常样本稀少，难以用监督学习训练模型。

二、高斯分布

• 建立算法前，需要假设每个特征满足 高斯（正态）分布。

  • 在单一特征 $x_j$ 上：
    $$p(x_j;{\mu }_j,{\sigma }_j^2)=\frac{1}{\sqrt{2\pi }{\sigma }_j}\exp \left(-\frac{(x_j-{\mu }_j{)}^2}{2{\sigma }_j^2}\right)$$

  • 参数：

    • ${\mu }_j$：该特征的均值（样本平均）
    • ${\sigma }_j^2$：方差（样本方差）

• 若所有特征相互独立，样本在多维空间上的概率为：
  $$p(x)=\prod _{j=1}^{n}p(x_j;{\mu }_j,{\sigma }_j^2)$$

三、算法流程

1. 估计参数 ${\mu }_j$, ${\sigma }_j^2$，使用训练集中每个特征的样本统计量。
2. 计算异常概率：对于新样本 $x$，计算其在模型下的联合似然 $p(x)$。
3. 设定阈值 $ϵ$：
   • 若 $p(x)<ϵ$，则判定为异常（anomaly）。
   • 否则为正常样本。

通过此方法，我们能识别出那些在训练数据分布之下概率极低的样本。

四、异常检测系统的开发与评估

• 开发流程：
  1. 从正常数据中估计 $p(x)$。
  2. 设定阈值 $ϵ$，根据历史异常样本调优。
  3. 使用混淆矩阵指标（TP, FP, FN, TN）评估系统效果。
• 评估标准：
  • 精准率（Precision）、召回率（Recall）、F1 分数
  • 目标：低误报率、高召回率（尤其在安全或故障检测场景）。

五、与监督学习的对比

• 异常检测更适合异常样本稀少或未知的情况。

六、特征选择

• 特征选取关键性强：
  • 异常表现往往体现在特定特征上，不选择合适特征可能无法检测异常。
  • 可考虑大量候选特征，采用统计方法初筛，再人工选 +
  • 重要：避免冗余特征造成噪声、过拟合或高维问题。

七、实践建议

• 建议基于领域知识选择特征，例如：
  • 监控系统：时间、人为操作数据、温度、压力等环境变量；
  • 金融领域：交易金额、频率、地理偏移等；
  • 一般场景：不仅采用数值特征，还应注意衍生与组合特征设计。
• 数据预处理建议：
  • 标准化或归一化处理，保证每个特征都能被高斯假设合理拟合；
  • 挑选异常标签作为验证集，用于阈值设定和调优。

八、推荐系统问题背景

推荐系统帮助用户发现他们可能喜欢的物品，解决数据海量化导致的选择困难问题。
常见应用场景：

• 电影推荐（Netflix, 豆瓣）
• 商品推荐（Amazon, 淘宝）
• 音乐推荐（Spotify, 网易云）

数据表示：

• 设 $n_u$ 是用户数量，$n_m$ 是物品数量。
• $y^{(i,j)}$：用户 $j$ 对物品 $i$ 的评分。
• $r(i,j)=1$ 如果评分存在，否则为 0。

九、协同过滤的动机

核心假设：喜欢相似物品的用户，通常对其他相似物品也有类似偏好。

数学上：

• 每个物品 $i$ 用向量 $x^{(i)}\in {\mathbb{R}}^n$ 表示其特征。
• 每个用户 $j$ 用向量 ${\theta }^{(j)}\in {\mathbb{R}}^n$ 表示其偏好。

预测评分：

$${\hat{y}}^{(i,j)}=({\theta }^{(j)}{)}^T{x}^{(i)}$$
这里的内积表示：

• 如果 ${\theta }^{(j)}$ 与 $x^{(i)}$ 方向一致（高相似度），评分就高。
• 如果方向相反（不匹配），评分就低。

十、协同过滤成本函数

我们希望学出使预测评分与真实评分尽量接近的参数：
$$J(x,\theta )=\frac{1}{2}\sum _{(i,j):r(i,j)=1}{\left(({\theta }^{(j)}{)}^T{x}^{(i)}-y^{(i,j)}\right)}^2+\frac{\lambda }{2}\sum _j\Vert {\theta }^{(j)}{\Vert }^2+\frac{\lambda }{2}\sum _i\Vert x^{(i)}{\Vert }^2$$
原理解析：

• 前半部分：最小化预测评分误差的平方和。
• 正则化项：
  • 防止过拟合（防止 $x^{(i)}$ 和 ${\theta }^{(j)}$ 的值无限增大以拟合少数评分）。
  • 控制模型复杂度，提升泛化能力。

十一、梯度更新公式

为了最小化成本函数，我们对每个参数求偏导：
$$\frac{\partial J}{\partial x^{(i)}}=\sum _{j:r(i,j)=1}\left(({\theta }^{(j)}{)}^T{x}^{(i)}-y^{(i,j)}\right){\theta }^{(j)}+\lambda x^{(i)}$$

$$\frac{\partial J}{\partial {\theta }^{(j)}}=\sum _{i:r(i,j)=1}\left(({\theta }^{(j)}{)}^T{x}^{(i)}-y^{(i,j)}\right)x^{(i)}+\lambda {\theta }^{(j)}$$

用梯度下降或高阶优化方法（如 L-BFGS）同时更新 $x^{(i)}$ 和 ${\theta }^{(j)}$。

十二、推荐系统与矩阵分解的关系

矩阵视角：
设评分矩阵 $Y\in {\mathbb{R}}^{n_m\times n_u}$，协同过滤希望找到：
$$Y\approx X{\Theta }^T$$
其中：

• $X\in {\mathbb{R}}^{n_m\times n}$：每行是物品特征 $x^{(i)}$。
• $\Theta \in {\mathbb{R}}^{n_u\times n}$：每行是用户参数 ${\theta }^{(j)}$。

这类似于 低秩矩阵分解，但不同于传统 SVD：

• 只拟合已评分项。
• 通过正则化避免过拟合。

矩阵分解解释了推荐系统能在稀疏评分矩阵中填补空白。

十三、均值归一化

为什么需要？

有的物品评分普遍高（如经典电影），有的用户评分普遍高或低。
若不处理：

• 模型可能学出错误的特征和偏好方向。

方法：

• 每个物品减去均值：

$$y_{\text{norm}}^{(i,j)}=y^{(i,j)}-{\mu }^{(i)}$$

训练完成后预测值：
$${\hat{y}}^{(i,j)}=({\theta }^{(j)}{)}^T{x}^{(i)}+{\mu }^{(i)}$$
均值归一化后：

• 参数更易学。
• 推荐结果不受评分基准偏置干扰。

十四、冷启动与扩展问题

冷启动

• 新用户：没有历史评分，难以学出 ${\theta }^{(j)}$。
• 新物品：没有评分，无法学 $x^{(i)}$。

解决方案：

• 混合推荐（协同过滤 + 内容推荐）。
• 初始阶段用物品属性或用户画像特征。

可扩展性

• 协同过滤可以高效并行化，适合大规模分布式系统。
• 常与近似优化（随机梯度下降、分布式矩阵分解）结合。

十五、推荐系统

十六、背后原理深挖

正则化的本质：

• 避免在已评分样本上过拟合。
• 让低维表示更平滑，提升泛化能力。

为什么是内积？

• 内积度量向量相似性，符合“相似物品评分相近”的假设。
• 简单高效，可快速计算所有物品的预测分数。

与 SVD 区别：

• SVD 对整个矩阵分解，协同过滤只针对已评分项。
• 协同过滤更灵活（可加正则、均值归一化、融合上下文）。