关于吴恩达机器学习中反向传播的理解

原文

在机器学习视频反向传播章节[1]中：

我们用 \(\delta\) 来表示误差，则： \(\boldsymbol\delta^{\left(4\right)}=\boldsymbol a^{\left(4\right)}−\boldsymbol y\) 。我们利用这个误差值来计算前一层的误差：

\(\boldsymbol\delta^{\left(3\right)}=\left(\boldsymbol\Theta^{\left(3\right)}\right)^T\boldsymbol\delta^{\left(4\right)}\cdot g^\prime\left(\boldsymbol z^{\left(3\right)}\right)\) 。其中 \(g^\prime\left(\boldsymbol{z}^{\left(3\right)}\right)\) 是 \(S\) 形函数的导数，

\(g^\prime\left(\boldsymbol z^{\left(3\right)}\right)=\boldsymbol a^{\left(3\right)}\cdot\left(1−\boldsymbol a^{\left(3\right)}\right)\) 。而 \(\left(\boldsymbol\Theta^{\left(3\right)}\right)^T\boldsymbol\delta^{\left(4\right)}\) 则是权重导致的误差的和。

问题

\[\boldsymbol\delta^{\left(3\right)}=\left(\boldsymbol\Theta^{\left(3\right)}\right)^T\boldsymbol\delta^{\left(4\right)}\cdot g^\prime\left(\boldsymbol z^{\left(3\right)}\right) \]

看到这道算式时我百思不得其解。为什么凭空会有转置？

在我自己推一遍之后，发现原公式中可能有些不严谨的地方，所以在此阐述我的理解，欢迎大家指正：

前提

对数似然代价函数： \(J\left(\Theta\right)=y\ln h\Theta\left(x\right)+\left(1-y\right)\ln\left(1-h\Theta\left(x\right)\right)\)

估计函数： \(h_\Theta\left(x\right)=\sum_i\Theta_ix_i= \begin{bmatrix}\Theta_1&\Theta_2&\cdots&\Theta_n\end{bmatrix} \begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix}\)

Logistic激活函数： \(g\left(x\right)=\frac1{1+{\rm e}^{-x}}\)

此外激活函数导数为： \(g^\prime\left(x\right)=g\left(x\right)\left[1-g\left(x\right)\right]\)

我的理解

flowchart LR x1–“(Θ₁⁽¹⁾)₁”–>z12 x1–“(Θ₁⁽¹⁾)₂”–>z22 x2–“(Θ₂⁽¹⁾)₁”–>z22 x2–“(Θ₂⁽¹⁾)₂”–>z12 a12–“(Θ₁⁽²⁾)₁”–>z13 a12–“(Θ₁⁽²⁾)₂”–>z23 a22–“(Θ₂⁽²⁾)₁”–>z23 a22–“(Θ₂⁽²⁾)₂”–>z13 z12–g–>a12 z22– g–>a22 z13–g–>a13 z23–g–>a23 a13-.->y1-.->j a23-.->y2-.->j subgraph x x1((x₁)) x2((x₂)) end subgraph 第一层 direction LR z12((“z₁⁽²⁾”)) a12((“a₁⁽²⁾”)) z22((“z₂⁽²⁾”)) a22((“a₂⁽²⁾”)) end subgraph 第二层 z13((“z₁⁽³⁾”)) a13((“a₁⁽³⁾”)) z23((“z₂⁽³⁾”)) a23((“a₂⁽³⁾”)) end subgraph y y1((ŷ₁)) y2((ŷ₂)) end j((“J(θ)”))

如图（省略了偏置），输入数据 为 \(\boldsymbol x=\begin{bmatrix}x_1\\x_2\end{bmatrix}\) ，实际输出 为 \(\boldsymbol y=\begin{bmatrix}y_1\\y_2\end{bmatrix}\)

这张图上表示了所有的运算，例如：

\[a_1^{\left(2\right)}=g\left(z_1^{\left(2\right)}\right) \]

\[z_2^{\left(2\right)}=\left(\Theta_1^{\left(1\right)}\right)_2x_1+\left(\Theta_2^{\left(1\right)}\right)_2x_2 \]

同时，此图认为预测输出 为 \(\hat y_1=a_1^{\left(3\right)}\) ，即有误差 （注意此处不是定义而是结论）：

\[\delta_1^{\left(3\right)}=\hat y_1-y_1=a_1^{\left(3\right)}-y_1 \]

下面我们将上列函数改写成对应元素的写法，先作定义：

• \(L\) ：被 \(\Theta\) 作用的层

• \(m\) ： \(L\) 层单元数量，用 \(j\) 进行遍历（即 \(j\in\left\{1,2,\cdots,m\right\}\) ）

• \(n\) ： \(L+1\) 层单元数量，用 \(i\) 进行遍历

推导

综上可得，若 \(L\) 是倒数第二层，则给出定义 ：

\[\begin{align}\delta_i^{\left(L+1\right)} &=\frac{\partial J}{\partial z_i^{\left(L+1\right)}}\\ &=\frac{\partial J}{\partial a_i^{\left(L+1\right)}}&&\cdot \frac{\partial a_i^{\left(L+1\right)}}{\partial z_i^{\left(L+1\right)}}\
&=\left(\frac{-y_i}{a_i^{\left(L+1\right)}}+\frac{1-y_i}{1-a_i^{\left(L+1\right)}}\right)&&\cdot g^\prime z_i^{\left(L+1\right)}\
&=\left(\frac{-y_i}{a_i^{\left(L+1\right)}}+\frac{1-y_i}{1-a_i^{\left(L+1\right)}}\right)&&\cdot a_i^{\left(L+1\right)}\left(1-a_i^{\left(L+1\right)}\right)\
&=a_i^{\left(L+1\right)}-y_i \end{align}\]

将同一层 \(\delta_i^{\left(L+1\right)}\) 合并为矩阵得（ \(\boldsymbol\delta,\boldsymbol a,\boldsymbol y\) 都是列向量）：

\[\boldsymbol\delta^{\left(L+1\right)}=\boldsymbol a^{\left(L+1\right)}-\boldsymbol y \]

下面推隐含层，以第一个单元为例：

\[\begin{align} \delta_1^{\left(2\right)}&=\frac{\partial J}{\partial z_1^{\left(2\right)}}\\ &=\frac{\partial J}{\partial z_1^{\left(3\right)}}&& \cdot\frac{\partial z_1^{\left(3\right)}}{\partial a_1^{\left(2\right)}}&& \cdot\frac{\partial a_1^{\left(2\right)}}{\partial z_1^{\left(2\right)}}&&+ \frac{\partial J}{\partial z_2^{\left(3\right)}}&& \cdot\frac{\partial z_2^{\left(3\right)}}{\partial a_1^{\left(2\right)}}&& \cdot\frac{\partial a_1^{\left(2\right)}}{\partial z_1^{\left(2\right)}}\
&=\delta_1^{\left(3\right)}&& \cdot\left(\Theta_1^{\left(2\right)}\right)_1&& \cdot g^\prime z_1^{\left(2\right)}&&+ \delta_2^{\left(3\right)}&& \cdot\left(\Theta_1^{\left(2\right)}\right)_2&& \cdot g^\prime z_1^{\left(2\right)} \end{align}\]

令：

\[\left\{\begin{align} \boldsymbol\delta^{\left(L\right)}&=\begin{bmatrix}\delta_1^{\left(L\right)}\\\delta_2^{\left(L\right)}\\\vdots\\\delta_n^{\left(L\right)}\end{bmatrix}\
\boldsymbol\Theta_i^{\left(L\right)}&=\begin{bmatrix} \left(\Theta_i^{\left(L\right)}\right)_1& \left(\Theta_i^{\left(L\right)}\right)_2& \cdots& \left(\Theta_i^{\left(L\right)}\right)_n \end{bmatrix}\end{align}\right.\]

可将上式化为矩阵：

\[\delta_1^{\left(2\right)} =\boldsymbol\Theta_1^{\left(2\right)}\boldsymbol\delta^{\left(3\right)} \cdot g^\prime z_1^{\left(2\right)}\]

结论

由上，可写出递推普式 ：

\[\delta_j^{\left(L\right)} =\boldsymbol\Theta_j^{\left(L\right)}\boldsymbol\delta^{\left(L+1\right)}\cdot g^\prime z_j^{\left(L\right)}\]

其中最后一层：

\[\boldsymbol\delta^{\left(Last\right)}=\boldsymbol a^{\left(Last\right)}-\boldsymbol y \]

---

1. 机器学习视频反向传播章节 ↩︎