机器学习与模式识别 第八章 MAP与偏方差 考点压缩

第八章：Regression (Cont.) and Bias-Variance Trade-off — 知识点笔记

综合来源：Lecture 08 PDF（55页）、课堂笔记（CSDN）

占位图

8.1 先验信念与MAP ⭐⭐

MLE的问题

• MLE仅用数据→小数据/噪声多→可能拟合极端权重
• MLE没有机制编码"权重应该较小/合理"

MAP（最大后验估计）

贝叶斯法则：p(w∣t)∝p(t∣w)×p(w)p(\mathbf{w}|\mathbf{t}) \propto p(\mathbf{t}|\mathbf{w}) \times p(\mathbf{w})p(w∣t)∝p(t∣w)×p(w)

w^MAP=arg⁡max⁡wp(w∣t)=arg⁡max⁡w[p(t∣w)×p(w)]\hat{\mathbf{w}}_{MAP} = \arg\max_{\mathbf{w}} p(\mathbf{w}|\mathbf{t}) = \arg\max_{\mathbf{w}} [p(\mathbf{t}|\mathbf{w}) \times p(\mathbf{w})]w^MAP​=argwmax​p(w∣t)=argwmax​[p(t∣w)×p(w)]

取负对数→最大化→最小化：
w^MAP=arg⁡min⁡w[−ln⁡p(t∣w)−ln⁡p(w)]\hat{\mathbf{w}}_{MAP} = \arg\min_{\mathbf{w}} [-\ln p(\mathbf{t}|\mathbf{w}) - \ln p(\mathbf{w})]w^MAP​=argwmin​[−lnp(t∣w)−lnp(w)]

高斯先验 → Ridge ⭐⭐⭐

先验假设：wj∼N(0,τ2)w_j \sim \mathcal{N}(0, \tau^2)wj​∼N(0,τ2)（权重小、中心在0）

p(w)=∏j12πτ2e−wj2/2τ2p(\mathbf{w}) = \prod_j \frac{1}{\sqrt{2\pi\tau^2}} e^{-w_j^2/2\tau^2}p(w)=j∏​2πτ2​1​e−wj2​/2τ2

MAP目标：
w^MAP=arg⁡min⁡w[12σ2∑n(tn−wTϕ(xn))2+12τ2∥w∥22]\hat{\mathbf{w}}_{MAP} = \arg\min_{\mathbf{w}} \left[\frac{1}{2\sigma^2}\sum_n(t_n - \mathbf{w}^T\phi(\mathbf{x}_n))^2 + \frac{1}{2\tau^2}\|\mathbf{w}\|_2^2\right]w^MAP​=argwmin​[2σ21​n∑​(tn​−wTϕ(xn​))2+2τ21​∥w∥22​]

乘以σ2\sigma^2σ2：
=arg⁡min⁡w[12∑n(tn−wTϕ(xn))2+σ22τ2∥w∥22]= \arg\min_{\mathbf{w}} \left[\frac{1}{2}\sum_n(t_n - \mathbf{w}^T\phi(\mathbf{x}_n))^2 + \frac{\sigma^2}{2\tau^2}\|\mathbf{w}\|_2^2\right]=argwmin​[21​n∑​(tn​−wTϕ(xn​))2+2τ2σ2​∥w∥22​]

λ=σ2τ2\lambda = \frac{\sigma^2}{\tau^2}λ=τ2σ2​

核心结论：MAP（高斯先验）= Ridge回归！

• L2正则化 = 假设权重服从高斯先验分布
• λ=σ2/τ2\lambda = \sigma^2/\tau^2λ=σ2/τ2：数据噪声大→λ\lambdaλ大；先验强(τ2\tau^2τ2小)→λ\lambdaλ大

MLE vs MAP 类比

8.2 偏差-方差分解 ⭐⭐⭐

学习的基本挑战

• 拟合数据：解释已观测到的
• 泛化到世界：预测未来、解释未观测到的

三个误差来源

推导 ⭐

假设t=h(x)+ϵt = h(\mathbf{x}) + \epsilont=h(x)+ϵ，E[ϵ]=0\mathbb{E}[\epsilon]=0E[ϵ]=0，var[ϵ]=σ2\text{var}[\epsilon]=\sigma^2var[ϵ]=σ2

E[(t−fw(x))2]=E[(t−h(x))2]⏟Noise+(h(x)−E[fw(x)])2⏟Bias2+E[(E[fw(x)]−fw(x))2]⏟Variance\mathbb{E}[(t - f_{\mathbf{w}}(\mathbf{x}))^2] = \underbrace{\mathbb{E}[(t - h(\mathbf{x}))^2]}_{\text{Noise}} + \underbrace{(h(\mathbf{x}) - \mathbb{E}[f_{\mathbf{w}}(\mathbf{x})])^2}_{\text{Bias}^2} + \underbrace{\mathbb{E}[(\mathbb{E}[f_{\mathbf{w}}(\mathbf{x})] - f_{\mathbf{w}}(\mathbf{x}))^2]}_{\text{Variance}}E[(t−fw​(x))2]=NoiseE[(t−h(x))2]​​+Bias2(h(x)−E[fw​(x)])2​​+VarianceE[(E[fw​(x)]−fw​(x))2]​​

期望预测误差 = 噪声 + 偏差² + 方差

偏差-方差权衡图

误差 ↑ | Total Error | / \ | / \_____ Variance | / Bias² \ |/______________________\____ | Model Complexity → 简单 复杂

如何控制模型复杂度

λ\lambdaλ的偏差-方差效应

• λ\lambdaλ小→模型复杂→低偏差+高方差（过拟合）
• λ\lambdaλ大→模型简单→高偏差+低方差（欠拟合）
• 最优λ\lambdaλ通过验证集确定！

8.3 双重下降（Double Descent）预览

来自CSDN笔记：

• 传统U型曲线：模型复杂度↑→测试误差先降后升
• 双重下降：过参数化后→测试误差再次下降！
• 大模型+继续训练→可能获得更低测试误差
• 实操建议：大模型不一定需要早停

笔记中的图片索引

笔记整理时间：2026年6月28日