LogSumExp这一机器学习中常见的模式

编者按：Feedly联合创始人、大数据与机器学习主管Kireet Reddy讲解了LogSumExp原理。

机器学习中有很多巧妙的窍门，可以加速训练，提升表现……今天我将讨论LogSumExp这一机器学习中常见的模式。首先给出定义：

我们什么时候会见到这样的式子？常见的一个地方是计算softmax函数的交叉熵损失。如果这听起来冗长难解，那么：1) 习惯一下，ML中太多东西有着疯狂的名字；2) 直接意识到这没什么复杂的。有必要的话可以看看斯坦福cs231n的出色讲解，或者，就本文而言，只需了解softmax是这样一个函数就可以：

其中，分子中的xj是分母中的一个值（其中一个xi）。所以softmax做的基本上是对一些值取幂，然后归一化，使得所有xj的可能值总和为1，以生成所需的概率分布。

所以，你可以把softmax函数看成一种接受任何数字并转换为概率分布的非线性方法。至于交叉熵，只需了解它是对函数取对数。这就涌现出了LogSumExp模式：

为什么这是一种生成概率分布的好方法，也许看起来有点神秘。目前而言，不妨把这当成是信条。

数值稳定性

我们还是接着谈谈LogSumExp吧。首先，从纯数学的角度来说，LogSumExp没什么特别的。但是，当我们讨论计算机上的数学时，LogSumExp就特别起来了。原因在于计算机表示数字的方式。计算机使用固定数目的位元表示数字。几乎所有时刻这都没什么问题，但是，因为不可能用固定数目的位元精确表示数字的无限集合，所以有时这会导致误差。

让我们举例演示这个问题，从xi中取样两个样本：{1000, 1000, 1000}和{-1000, -1000, -1000}。将这两个序列传入softmax函数会得到同一概率分布{1/3, 1/3, 1/3}，然后1/3的对数是一个合理的负数。现在让我们尝试用Python算下求和中的一项：

>>> import math

>>> math.e**1000

Traceback (most recent call last):

File "", line 1, in

OverflowError: (34, 'Result too large')

哎哟。也许-1000的运气要好些：

>>> math.e**-1000

0.0

也不对劲。所以我们碰到了某种数值稳定性问题，即使看起来合理的输入值也会导致溢出。

迂回方案

幸运的是，人们找到了一个很好的缓解方法，根据幂的乘法法则：

以及对数的和差公式：

我们有：

上述变换的关键在于，我们引入了一个不牵涉log或exp函数的常数项c。现在我们只需为c选择一个在所有情形下有效的良好的值。结果发现，max(x1…xn)很不错。

由此我们可以构建对数softmax的新表达式：

现在我们用这个新表达式计算之前的两个样本。对{1000, 1000, 1000}而言，c = 1000，所以xi-c恒为零，代入上式，我们有：

log(3)是一个很合理的数字，计算机计算起来毫无问题。所以上面的样本没问题。同理，{-1000, -1000, -1000}也没问题。

关键点

思考一些例子后，我们可以得到以下结论：

如果xi的值都不会造成稳定性问题，那么“朴素”版本的LogSumExp可以很好地工作。但“改良”版同样可以工作。

如果至少有一个xi的值很大，那么朴素版本会溢出，改良版不会。其他类似的大数值xi同理，而并不大的那些xi，基本上逼近零。

对于绝对值较大的负数，翻转下符号，道理是一样的。

所以，尽管并不完美，我们在大多数情况下能够得到相当合理的表现，而不会溢出。我创建了一个简单的python脚本，这样，你可以通过亲自试验验证这一点：git.io/fx5Vx

LogSumExp是一个巧妙的窍门，分解了它的机制后，实际上相当容易理解。一旦了解了LogSumExp和数值稳定性问题，你就不会感到一些库的文档和源代码难以理解了。

为了巩固记忆（同时操练下数学），我建议你过一段时间尝试自行推导下数学，并在脑海中设想各种例子，做下推理。接着运行我的代码（或者自己动手重写），以验证你的直觉。