本文主要参考Ensemble Methods for Deep Learning Neural Networks一文。
1. 前言
- 神经网络具有很高的方差，不易复现出结果，而且模型的结果对初始化参数异常敏感。
- 使用集成模型可以有效降低神经网络的高方差（variance）。
2. 使用集成模型降低方差
- 训练多个模型，并将预测结果结合到一起，能够降低方差。
- 多模型集成能起到作用的前提是，每个模型有自己的特点，每个模型预测出的误差是不同的。
- 简单的集成方式就是将预测结果取平均，该方法起作用的原因是，不同的模型通常不会在测试集上产生相同的错误。
- 结合多个模型使得最终的预测结果添加了一个偏差（bias），而这个偏差又会与神经网络的方差（variance）相抵消，使得模型的预测对训练数据的细节、训练方案的选择和单次训练运行的偶然性不太敏感。
- 集成模型的结果会比任意单模型的结果都要好。
3. 如何集成神经网络模型
- The oldest and still most commonly used ensembling approach for neural networks is called a “committee of networks.”
- 通常选择多模型的方式：多个相同配置的神经网络 + 相同的训练数据集 + 不同的参数随机初始化
- 集成的模型数量通常比较小，原因如下：
- 考虑计算复杂度。
- 当模型数目达到一定程度，随着数目的增加，集成模型得到的性能回报变小。
- 集成模型一般考虑如下三种构造方式：
- Trainning Data: 不同单模型使用不同的训练数据
- Ensemble Models: 选择不同的单模型
- Combinations: 选择不同的组合方式
3.1 Varying Training Data
- 一个比较简单的方法是k折交叉验证，能够得到全体训练集的k个子训练集，用每个子集单独去训练模型。最后将这k个模型做集成。
- 注意，每个子训练集的大小是\((k-1)/k\)倍的全体训练集，而不是\(1/k\)倍的全体训练集。
- 另一种方法是用重采样（resampling）的方式构建新训练集。
- 重采样过程意味着每个训练数据集的组成是不同的，可能存在重复的例子，从而允许在数据集上训练的模型对样本的密度具有稍微不同的期望，并具有不同的泛化误差（generalization error）。
- 这种方法也叫做bootstrap aggregation，简称为bagging，被设计用于未剪枝且具有高方差低偏置（high variance and low bias）的决策树。
- 与上一个方法等价的采样方式为欠采样，即采样后的训练集不出现重复，且比全体数据集要少。
- 注意，欠采样得到的新数据未经过正规化（regularization），这样可以使得模型训练的更快（过拟合的更快）。
- Other approaches may involve selecting a random subspace of the input space to allocate to each model, such as a subset of the hyper-volume in the input space or a subset of input features.
3.2 Varying Models
- 对相同配置的模型，使用不同的参数随机初始化训练。
- 这种方式在一定程度上可以降低方差，但是可能不会显著地改善泛化误差。
- 由于模型都学习了类似的映射函数，因此模型产生的错误可能仍然相关性太高。
- 这方式实际上只是受学习算法的影响，即不同随机参数可能抵达不同的局部最优点，甚至某些参数初始化可以使得模型恰巧抵达全局最优点。
- 另一个方法是变化模型的配置参数，如不同维度的隐状态向量，不同的神经网络层数，不同的学习率，不同的学习策略，不同的正则化方式等的。
- 这些模型能够学习更加异构的映射函数集合，并且在预测和预测误差方面具有较低的相关性，能够互相弥补不足。
- Differences in random initialization, random selection of minibatches, differences in hyperparameters, or different outcomes of non-deterministic implementations of neural networks are often enough to cause different members of the ensemble to make partially independent errors.
- 在单个模型可能需要较长训练时间的时候，另一个备选方案在训练过程中定期保存最佳模型（called snapshot or checkpoint models），即不同的checkpoints点，然后对保存的模型进行集成。
- 能够达到同一数据上训练多个模型的效果，尽管是在单个训练时间生成的。
- 因为训练时间长，所以不适用于前面两种反复训练模型的方式。
- 这种集成方式还有一个变体，是选定几个epoch区间，将这些区间的所有模型做集成。（Ensembles from such contiguous sequences of models are referred to as horizontal ensembles.）
- 因为是在选取同一训练期间的不同检查点模型，所以也可以在模型的训练过程中，根据结果的反馈，不断改变优化方式，如学习率decay等策略，使得后续检查点能够得到更加有效的模型。
3.3 Varying Combinations
- 最简单的组合方式是选择所有的模型，将预测结果区平均。
- 稍微改进的方法是加权取平均，权重由验证集提供。这种方法有时也称为model blending。
- 设计一个新的模型，能够自动化学习到“加权取平均”过程中，每个单模型所占的权重大小。
- 这种学习新模型的方式，一般被称为model stacking, 或 stacked generalization。
- model stacking是在第二层特征空间中进行学习的。
- 采用更加复杂的stacking方式，例如boosting（一次添加一个模型以纠正先前模型的错误）。
- 另一个结合方式是，先将具有相同结构的多个模型的权重取平均，以得到该模型结构的“最好成绩模型”。之后再对不同模型结构的“最好成绩模型”进行集成。
4. 总结
- 以上内容，是我阅读这篇文章得到的总结，感兴趣的读者可以继续阅读原文，原文覆盖了更多的知识点，并提供了许多参考依据，具有权威性。
- 原文章将深度学习的集成方式总结为如下几点（本人总结了其中大部分方法）：
- Varying Training Data
- k-fold Cross-Validation Ensemble
- Bootstrap Aggregation (bagging) Ensemble
- Random Training Subset Ensemble
- Varying Models
- Multiple Training Run Ensemble
- Hyperparameter Tuning Ensemble
- Snapshot Ensemble
- Horizontal Epochs Ensemble
- Vertical Representational Ensemble
- Varying Combinations
- Model Averaging Ensemble
- Weighted Average Ensemble
- Stacked Generalization (stacking) Ensemble
- Boosting Ensemble
- Model Weight Averaging Ensemble
- Varying Training Data