Bài trước đã giới thiệu mô hình sau đây, mô hình này đã phân loại sai nhiều cây trong tập dữ liệu kiểm thử:
Hình 16. Mô hình phức tạp hoạt động không đúng cách trong bài trước.
Mô hình trước đó chứa nhiều hình dạng phức tạp. Mô hình đơn giản hơn có xử lý dữ liệu mới tốt hơn không? Giả sử bạn thay thế mô hình phức tạp bằng một mô hình đơn giản đến mức nực cười – một đường thẳng.
Hình 17. Một mô hình đơn giản hơn nhiều.
Mô hình đơn giản khái quát tốt hơn mô hình phức tạp trên dữ liệu mới. Tức là mô hình đơn giản đã đưa ra dự đoán tốt hơn trên tập dữ liệu kiểm thử so với mô hình phức tạp.
Sự đơn giản đã đánh bại sự phức tạp từ lâu. Trên thực tế, việc ưu tiên sự đơn giản đã có từ thời Hy Lạp cổ đại. Nhiều thế kỷ sau, một tu sĩ thế kỷ 14 tên là William of Occam đã chính thức hoá lựa chọn ưu tiên về sự đơn giản trong một triết lý được gọi là lưỡi dao Occam. Triết lý này vẫn là một nguyên tắc cơ bản quan trọng của nhiều ngành khoa học, bao gồm cả học máy.
Bài tập: Kiểm tra mức độ hiểu biết
Bạn đang phát triển một phương trình vật lý. Công thức nào sau đây phù hợp hơn với quy tắc Lưỡi dao Occam?
Một công thức có ba biến.
Ba biến phù hợp với nguyên tắc Occam hơn 12 biến.
Một công thức có 12 biến.
12 biến có vẻ quá phức tạp, phải không?
Hai công thức vật lý nổi tiếng nhất mọi thời đại (F=ma và E=mc2) chỉ liên quan đến 3 biến.
Bạn đang làm việc trên một dự án học máy hoàn toàn mới và sắp chọn các tính năng đầu tiên. Bạn nên chọn bao nhiêu tính năng?
Chọn 1–3 đặc điểm có vẻ như có khả năng dự đoán mạnh.
Tốt nhất là quy trình thu thập dữ liệu của bạn chỉ nên bắt đầu với một hoặc hai tính năng. Điều này sẽ giúp bạn xác nhận rằng mô hình học máy hoạt động như dự kiến.
Ngoài ra, khi tạo đường cơ sở từ một vài tính năng, bạn sẽ cảm thấy mình đang tiến bộ!
Chọn 4 đến 6 đặc điểm có vẻ như có khả năng dự đoán mạnh mẽ.
Cuối cùng, bạn có thể sử dụng nhiều tính năng như vậy, nhưng tốt hơn hết là bạn nên bắt đầu với ít tính năng hơn. Ít tính năng hơn thường đồng nghĩa với ít chức năng không cần thiết hơn.
Chọn nhiều đặc điểm nhất có thể để bạn có thể bắt đầu quan sát xem đặc điểm nào có khả năng dự đoán mạnh nhất.
Bắt đầu từ quy mô nhỏ. Mỗi tính năng mới sẽ thêm một phương diện mới vào tập dữ liệu đào tạo. Khi số chiều tăng lên, dung lượng của không gian sẽ tăng lên nhanh chóng khiến dữ liệu huấn luyện có sẵn trở nên thưa thớt. Dữ liệu của bạn càng thưa thớt thì mô hình càng khó tìm hiểu mối quan hệ giữa các đặc điểm thực sự quan trọng và nhãn. Hiện tượng này được gọi là "lời nguyền về số chiều".
Điều hoà
Các mô hình học máy phải đồng thời đáp ứng hai mục tiêu xung đột:
Phù hợp với dữ liệu.
Điều chỉnh dữ liệu sao cho đơn giản nhất có thể.
Một phương pháp để giữ cho mô hình đơn giản là phạt các mô hình phức tạp; tức là buộc mô hình trở nên đơn giản hơn trong quá trình huấn luyện. Việc phạt các mô hình phức tạp là một hình thức điều chỉnh.
Mất dữ liệu và độ phức tạp
Cho đến nay, khoá học này đã đề xuất rằng mục tiêu duy nhất khi huấn luyện là giảm thiểu tổn thất; tức là:
$$\text{minimize(loss)}$$
Như bạn đã thấy, các mô hình chỉ tập trung vào việc giảm thiểu tổn thất có xu hướng phù hợp quá mức.
Thuật toán tối ưu hoá hoạt động huấn luyện tốt hơn sẽ giảm thiểu một số tổ hợp tổn thất và độ phức tạp:
$$\text{minimize(loss + complexity)}$$
Thật không may, tổn thất và độ phức tạp thường có mối quan hệ nghịch. Khi độ phức tạp tăng lên, tổn thất sẽ giảm. Khi độ phức tạp giảm, tổn thất sẽ tăng lên.
Bạn nên tìm một điểm trung gian hợp lý để mô hình đưa ra dự đoán chính xác về cả dữ liệu huấn luyện và dữ liệu thực tế.
Tức là mô hình của bạn phải tìm được một điểm dung hoà hợp lý giữa tổn thất và độ phức tạp.
Độ phức tạp là gì?
Bạn đã thấy một vài cách định lượng tổn thất. Bạn sẽ định lượng độ phức tạp bằng cách nào? Hãy bắt đầu khám phá thông qua bài tập sau:
Bài tập: Kiểm tra trực giác của bạn
Cho đến nay, chúng ta vẫn chưa hiểu rõ về khái niệm độ phức tạp. Theo bạn, ý tưởng nào sau đây sẽ là chỉ số độ phức tạp hợp lý?
Độ phức tạp là một hàm của trọng số của mô hình.
Có, đây là một cách để đo lường độ phức tạp của một số mô hình.
Chỉ số này được gọi là điều hoà L1.
Độ phức tạp là hàm của bình phương trọng số của mô hình.
Có, bạn có thể đo lường độ phức tạp của một số mô hình theo cách này. Chỉ số này được gọi là điều hoà L2.
Độ phức tạp là một hàm của các độ lệch của tất cả các tính năng trong mô hình.
