貝葉斯優(yōu)化是機(jī)器學(xué)習(xí)超參數(shù)優(yōu)化的常用技術(shù)之一，本文不會(huì)使用艱深的數(shù)學(xué)論證，而是通過(guò)簡(jiǎn)單的術(shù)語(yǔ)帶你領(lǐng)略貝葉斯優(yōu)化之美。

假設(shè)有一個(gè)函數(shù) f(x)。其計(jì)算成本很高，它不一定是分析表達(dá)式，而且你不知道它的導(dǎo)數(shù)。

你的任務(wù)：找到全局最小值。

當(dāng)然，這是一個(gè)困難的任務(wù)，而且難度超過(guò)機(jī)器學(xué)習(xí)領(lǐng)域內(nèi)的其它優(yōu)化問(wèn)題。梯度下降就是一種解決方案，它能通過(guò)函數(shù)的導(dǎo)數(shù)，利用數(shù)學(xué)捷徑來(lái)實(shí)現(xiàn)更快的表達(dá)式評(píng)估。

或者，在某些優(yōu)化場(chǎng)景中，函數(shù)的評(píng)估成本較低。如果你能在幾秒內(nèi)得到輸入 x 的變體的數(shù)百種結(jié)果，那么使用簡(jiǎn)單的網(wǎng)格搜索就能得到很好的結(jié)果。

或者，你還可以使用一整套非常規(guī)的非梯度優(yōu)化方法，比如粒子群或模擬退火。

不幸的是，當(dāng)前的任務(wù)沒(méi)有這樣的便利。我們的優(yōu)化受到了多個(gè)方面的限制，其中最顯著的包括：

• 計(jì)算成本高。理想情況下，只要我們查詢函數(shù)的次數(shù)足夠多，我們就能在實(shí)質(zhì)上將它復(fù)現(xiàn)出來(lái)，但在實(shí)際情況下，輸入的采樣很有限，優(yōu)化方法必須在這種情況下也能有效工作。

• 導(dǎo)數(shù)未知。在深度學(xué)習(xí)以及其它一些機(jī)器學(xué)習(xí)算法中，梯度下降及其變體方法依然是最常用的方法，這當(dāng)然是有原因的。知道了導(dǎo)數(shù)，能讓優(yōu)化器獲得一定的方向感——我們沒(méi)有這種方向感。

• 我們需要找到全局最小值，這個(gè)任務(wù)即使對(duì)于梯度下降這種復(fù)雜精細(xì)的方法來(lái)說(shuō)也很困難。我們的模型有時(shí)需要某種機(jī)制來(lái)避免被困于局部最小值。

解決方案：針對(duì)以最少的步驟尋找全局最小值的問(wèn)題，貝葉斯優(yōu)化是一個(gè)優(yōu)雅的框架。

我們來(lái)構(gòu)建一個(gè)假設(shè)的示例函數(shù) c(x)，即一個(gè)模型在給定輸入 x 下的成本。當(dāng)然，這個(gè)函數(shù)的實(shí)際情況對(duì)優(yōu)化器來(lái)說(shuō)是未知的。假設(shè) c(x) 的實(shí)際形狀如下：這就是所謂的「目標(biāo)函數(shù)」。

貝葉斯優(yōu)化可通過(guò)一種名為「代理優(yōu)化（surrogate optimization）」的方法解決這一問(wèn)題。在語(yǔ)境中，代理母親（代孕媽媽?zhuān)┦侵竿鉃槠渌松『⒌呐??；谕瑯拥恼Z(yǔ)境，代理函數(shù)是指目標(biāo)函數(shù)的一種近似。

代理函數(shù)可基于采樣得到的數(shù)據(jù)點(diǎn)而構(gòu)建。

我們可以根據(jù)代理函數(shù)來(lái)識(shí)別哪些點(diǎn)是有潛力的最小值。然后我們?cè)谶@些有潛力的區(qū)域執(zhí)行更多采樣，然后據(jù)此更新代理函數(shù)。

在每一次迭代中，我們都要繼續(xù)觀察當(dāng)前的代理函數(shù)，通過(guò)采樣對(duì)相關(guān)區(qū)域有更多了解，然后更新函數(shù)。注意，代理函數(shù)可表示成評(píng)估成本低得多的數(shù)學(xué)形式（比如用 y=x 近似表示一個(gè)成本更高的函數(shù) y=arcsin((1-cos2x)/sin x) 的某個(gè)特定范圍）。

經(jīng)過(guò)一定數(shù)量的迭代之后，我們的目標(biāo)是抵達(dá)全局最小值，除非該函數(shù)的形狀非常古怪（比如其中有大量大起大落的部分），這時(shí)候你就要問(wèn)自己了：是不是數(shù)據(jù)有問(wèn)題？

我們先來(lái)欣賞一下這種方法的美妙之處。它不會(huì)對(duì)函數(shù)做出任何假設(shè)（只要它是可優(yōu)化的既可）、不需要導(dǎo)數(shù)的相關(guān)信息、可通過(guò)巧妙地使用不斷更新的近似函數(shù)來(lái)執(zhí)行常識(shí)推理。對(duì)原本的目標(biāo)函數(shù)的高成本估計(jì)也不再是問(wèn)題。

這是一種基于代理的優(yōu)化方法。但它的貝葉斯性質(zhì)體現(xiàn)在哪里？

貝葉斯統(tǒng)計(jì)和建模和本質(zhì)是基于新信息先驗(yàn)（之前的）信念，然后得到更新后的后驗(yàn)（之后的）信念。這里的代理優(yōu)化就是這樣工作的，使得其能通過(guò)貝葉斯系統(tǒng)、公式和思想很好地表示。

我們來(lái)更仔細(xì)地看看這個(gè)代理函數(shù)，其通常表示成高斯過(guò)程，這可被看作是一種擲骰子過(guò)程，返回的是與給定數(shù)據(jù)點(diǎn)擬合的函數(shù)（比如 sin 或 log），而不是數(shù)字 1 到 6. 這個(gè)過(guò)程會(huì)返回若干函數(shù)以及它們各自的概率。

左圖：基于 4 個(gè)數(shù)據(jù)點(diǎn)生成的幾個(gè)基于高斯過(guò)程的函數(shù)；右圖：將這些函數(shù)聚合之后。

Oscar Knagg 這篇文章直觀地介紹了高斯過(guò)程的工作方式：https:///an-intuitive-guide-to-gaussian-processes-ec2f0b45c71d

為什么要使用高斯過(guò)程來(lái)建模代理函數(shù)，而不是使用其它曲線擬合方法？這是因?yàn)楦咚惯^(guò)程本質(zhì)上就是貝葉斯模式的。高斯過(guò)程是一種概率分布，就像一個(gè)事件的最終結(jié)果分布一樣（比如擲硬幣的 1/2 概率），只不過(guò)高斯過(guò)程是在所有可能的函數(shù)上的分布。

舉個(gè)例子，我們也許可以定義當(dāng)前的數(shù)據(jù)點(diǎn)集可由函數(shù) a(x) 表示 40%、由函數(shù) b(x) 表示 10% 等等。通過(guò)將代理函數(shù)表示成概率分布，可使用新信息，通過(guò)固有的概率貝葉斯過(guò)程來(lái)完成更新。也許當(dāng)新信息被引入時(shí)，a(x) 函數(shù)又只能表示 20% 的數(shù)據(jù)了。這樣的變化受貝葉斯公式的約束。

這會(huì)使得類(lèi)似于新數(shù)據(jù)點(diǎn)的多項(xiàng)式回歸擬合這樣的目標(biāo)難以完成甚至不可能完成。

表示成先驗(yàn)概率分布的代理函數(shù)會(huì)通過(guò)一個(gè)「獲取函數(shù)（acquisition function）」而更新。這個(gè)函數(shù)負(fù)責(zé)在探索與利用權(quán)衡的基礎(chǔ)上，對(duì)提議的新點(diǎn)進(jìn)行測(cè)試。

• 利用的目標(biāo)是采樣代理模型能很好地預(yù)測(cè)目標(biāo)函數(shù)的地方。這會(huì)用到已知的有潛力的位置。但是，如果我們已經(jīng)充分探索了某個(gè)特定的區(qū)域，再繼續(xù)利用已知信息也收益不大了。

• 探索的目標(biāo)是采樣不確定度較高的位置。這能確保空間中不留下未探索的主要區(qū)域——全局最小值可能就藏在此處。

太過(guò)重視利用而不太重視探索的獲取函數(shù)會(huì)讓模型駐留于其發(fā)現(xiàn)的第一個(gè)最小值（通常是局部最小值）。反過(guò)來(lái)，重探索而輕利用的獲取函數(shù)則一開(kāi)始就不會(huì)留在某個(gè)最小值，不管是局部最小值還是全局最小值。因此，為了得到很好的結(jié)果，需要達(dá)到微妙精巧的平衡。

獲取函數(shù) a(x) 必須兼顧探索和利用。常見(jiàn)的獲取函數(shù)包括預(yù)期提升和提升的最大可能性，所有這些衡量的都是給定有關(guān)先驗(yàn)（高斯過(guò)程）的信息下，一個(gè)特定輸入在未來(lái)產(chǎn)生回報(bào)的概率。

我們歸總一下這些知識(shí)點(diǎn)。貝葉斯優(yōu)化的執(zhí)行方式為：

1. 初始化一個(gè)高斯過(guò)程「代理函數(shù)」先驗(yàn)分布。

2. 選擇幾個(gè)數(shù)據(jù)點(diǎn) x 使得獲取函數(shù) a(x) 在當(dāng)前先驗(yàn)分布上的結(jié)果是最大的。

3. 在目標(biāo)成本函數(shù) c(x) 中評(píng)估數(shù)據(jù)點(diǎn) x 并獲取其結(jié)果 y。

4. 使用新數(shù)據(jù)更新高斯過(guò)程先驗(yàn)分布，得到一個(gè)后驗(yàn)分布（這將作為下一步的先驗(yàn)分布）。

5. 重復(fù)第 2-5 步并多次迭代。

6. 解讀當(dāng)前的高斯過(guò)程分布（成本很低），找到全局最小值。

貝葉斯優(yōu)化的核心是將概率思想融入到代理優(yōu)化思想之中。這兩種思想組合到一起，能創(chuàng)造出一種強(qiáng)大的系統(tǒng)。該系統(tǒng)具有很多應(yīng)用場(chǎng)景，從醫(yī)藥產(chǎn)品開(kāi)發(fā)到自動(dòng)駕駛汽車(chē)。

不過(guò)，貝葉斯優(yōu)化最常見(jiàn)的應(yīng)用領(lǐng)域還是機(jī)器學(xué)習(xí)，尤其是超參數(shù)優(yōu)化任務(wù)。舉個(gè)例子，如果我們要訓(xùn)練一個(gè)梯度上升分類(lèi)器，則會(huì)遇到幾十個(gè)超參數(shù)，從學(xué)習(xí)率到最大深度再到最小不純度拆分值。在這里，x 表示模型的超參數(shù)，c(x) 表示模型在給定超參數(shù) x 下的表現(xiàn)。

使用貝葉斯優(yōu)化的主要?jiǎng)訖C(jī)是：在有些場(chǎng)景中，評(píng)估輸出的成本非常高。首先，需要使用這些參數(shù)構(gòu)建一整個(gè)集成樹(shù)；其次，它們需要運(yùn)行并完成幾次預(yù)測(cè)，這對(duì)于集成方法來(lái)說(shuō)成本高昂。

可以這樣說(shuō)，在給定一組參數(shù)的條件下，使用神經(jīng)網(wǎng)絡(luò)來(lái)評(píng)估損失函數(shù)的速度更快：只是重復(fù)執(zhí)行矩陣乘法，這是非常快的，尤其是使用專(zhuān)用計(jì)算硬件時(shí)。這是使用梯度下降的原因之一，也就是反復(fù)查詢以找到前進(jìn)的方向。

總結(jié)

• 代理優(yōu)化是使用一個(gè)代理函數(shù)或近似函數(shù)來(lái)通過(guò)采樣估計(jì)目標(biāo)函數(shù)。

• 貝葉斯優(yōu)化是通過(guò)將代理函數(shù)表示成概率分布而將代理優(yōu)化放入一個(gè)概率框架中，然后再使用新信息更新這個(gè)分布。

• 獲取函數(shù)則是用于基于已知的先驗(yàn)，評(píng)估利用空間中的某個(gè)特定點(diǎn)得到「好」結(jié)果的概率。其關(guān)鍵在于探索與利用的平衡。

• 貝葉斯優(yōu)化的主要使用場(chǎng)景是目標(biāo)函數(shù)評(píng)估成本高的任務(wù)，比如超參數(shù)調(diào)節(jié)。有一些用于該任務(wù)的軟件庫(kù)，比如 HyperOpt。

原文鏈接：https:///the-beauty-of-bayesian-optimization-explained-in-simple-terms-81f3ee13b10f