您现在的位置是:首页 > 文章详情

Python机器学习(三):梯度下降法

日期:2018-10-02点击:385

梯度下降法不是一种机器学习方法,而是一种基于搜索的最优化方法,它的作用的最小化一个损失函数。相应地,梯度上升可以用于最大化一个效用函数。本文主要讲解梯度下降。

img_2aa695b2741172d7d48b43477c359a34.png
假设损失函数为凸函数

1.批量梯度下降

以线性回归为例子,梯度下降法就是不断更新Θ,每次更新的大小就是一个常数乘上梯度。其中这个常数η称为学习率(Learning Rate)

img_b25a904e15eb8627f0095533320d12a3.png
η 为 Learning Rate

img_2d27e5f3f3567e7da25ad100b49feded.png
多元线性回归中的梯度下降

img_d9c123a017b0907abb5827d564ebde57.png
求梯度

二元时可以把变化趋势图绘制出来。每一个箭头代表一次迭代。


img_b8243d2acb21fd51d5453c981b2e26d4.png
圆圈为等高线,中间的损失比较小

将梯度的每一项写成向量形式
img_d11d351de9bff09b8ab1f1b1fb3dc42c.png
写成向量形式
img_82e8280a3d05c153b2c15468b8bd49fe.png
为了美观进行变换

同样的,为了加快训练速度,可以将计算过程向量化


img_eaec94db7006b108838c0af03ca130f3.png
X0 恒等于 1

根据之前编写的LinearRegression类,可以用python封装成这种形式

""" Created by 杨帮杰 on 9/29/18 Right to use this code in any way you want without warranty, support or any guarantee of it working E-mail: yangbangjie1998@qq.com Association: SCAU 华南农业大学 """ class LinearRegression: def __init__(self): """初始化Linear Regression模型""" self.coef_ = None self.intercept_ = None self._theta = None def fit_normal(self, X_train, y_train): """根据训练数据集X_train, y_train训练Linear Regression模型""" assert X_train.shape[0] == y_train.shape[0], \ "the size of X_train must be equal to the size of y_train" X_b = np.hstack([np.ones((len(X_train), 1)), X_train]) self._theta = np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(y_train) self.intercept_ = self._theta[0] self.coef_ = self._theta[1:] return self def fit_gd(self, X_train, y_train, eta = 0.01, n_iters = 1e4): """根据训练数据集X_train, y_train,使用梯度下降法训练Linear Regression模型""" assert X_train.shape[0] == y_train.shape[0], \ "the size of X_train must be equal to the size of y_train" def J(theta, X_b, y): try: return np.sum((y - X_b.dot(theta)) ** 2) / len(y) except: return float('inf') def dJ(theta, X_b, y): # res = np.empty(len(theta)) # res[0] = np.sum(X_b.dot(theta) - y) # for i in range(1, len(theta)): # res[i] = (X_b.dot(theta) - y).dot(X_b[:, i]) # return res * 2 / len(X_b) # 进行向量化 return X_b.T.dot(X_b.dot(theta) - y) * 2. / len(X_b) def gradient_descent(X_b, y, inital_theta, eta, n_iters = 1e4, epsilon = 1e-8): theta = inital_theta cur_iter = 0 while cur_iter < n_iters: gradient = dJ(theta, X_b, y) last_theta = theta theta = theta - eta*gradient if(abs(J(theta, X_b, y) - J(last_theta, X_b, y)) < epsilon): break cur_iter += 1 return theta X_b = np.hstack([np.ones((len(X_train), 1)), X_train]) initial_theta = zeros(X_b.shape[1]) self._theta = gradient_descent(X_b, y_train, initial_theta, eta, n_iters) self.intercept_ = self._theta[0] self.coef_ = self._theta[1:] return self def predict(self, X_predict): """给定待预测数据集X_predict, 返回表示X_predict的结果向量""" assert self.interception_ is not None and self.coef_ is not None, \ "must fit before predict!" assert X_predict.shape[1] == len(self.coef_), \ "the feature number of X_predict must be equal to X_train" X_b = np.hstack([np.ones((len(X_predict), 1)), X_predict]) return X_b.dot(self._theta) def __repr__(self): return "LinearRegression()" 

2.随机梯度下降

上面介绍的梯度下降是批量梯度下降(Batch Gradient Descent)。相对地,有另一种方法叫做随机梯度下降(Stochastic Gradient Descent),本质就是随机地选取一个样本点进行一次迭代,然后再随机地选取一个样本点继续迭代。这样做的优势就是——快!

img_f6c72d3b5d8cb1f5d9724048850a77f0.png
随机梯度下降

相对于批量梯度下降,随机梯度下降每一次迭代不一定会使损失变小。从统计的意义上讲,他会不断地向settle point附近逼近。实际情况中,往往在极小值附近会有比较大的抖动,而如果η选取过小,前面的迭代学习速度又会过慢。所以,我们在使用随机梯度下降的时候,会使用随着迭代次数而变化的learning rate,如下。

img_cf5020e35231ffc376a3366c868d9e50.png
i_iters为当前的迭代次数

类似地,将下面的方法定义放到LinearRegression类中即可

 def fit_sgd(self, X_train, y_train, n_iters = 1e4, t0 = 5, t1 = 50): """根据训练数据集X_train, y_train, 使用随机梯度下降法训练Linear Regression模型""" assert X_train.shape[0] == y_train.shape[0], \ "the size of X_train must be equal to the size of y_train" def dJ_sgd(theta, X_b_i, y_i): return X_b_i * (X_b_i.dot(theta) - y_i) * 2 def sgd(X_b, y, inital_theta, n_iters, t0 = 5,t1 = 50): def learning_rate(t): return t0 / (t + t1) theta = inital_theta m = len(X_b) for cur_iter in range(n_iters): indexes = np.random.permutation(m) X_b_new = X_b[indexes] y_new = y[indexes] for i in range(m): gradient = dJ_sgd(theta, X_b_new[i], y_new[i]) theta = theta - learning_rate(cur_iter * m + i) * gradient return theta X_b = np.hstack([np.ones((len(X_train), 1)), X_train]) initial_theta = zeros(X_b.shape[1]) self._theta = sgd(X_b, y_train, initial_theta, n_iters, t0, t1) self.intercept_ = self._theta[0] self.coef_ = self._theta[1:] return self 

sciki-learn中可以这样调用SGDRegression

""" Created by 杨帮杰 on 10/3/18 Right to use this code in any way you want without warranty, support or any guarantee of it working E-mail: yangbangjie1998@qq.com Association: SCAU 华南农业大学 """ from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.linear_model import SGDRegressor from sklearn.preprocessing import StandardScaler # 加载波士顿房价的数据集 boston = datasets.load_boston() # 清除一些不合理的数据 X = boston.data y = boston.target X = X[y < 50.0] y = y[y < 50.0] # 分离出测试集 X_train, X_test, y_train, y_test = train_test_split(X, y) # 数据归一化 standardScaler = StandardScaler() standardScaler.fit(X_train) X_train_standard = standardScaler.transform(X_train) X_test_standard = standardScaler.transform(X_test) # 训练模型 sgd_reg = SGDRegressor(max_iter=100) sgd_reg.fit(X_train_standard, y_train) # 打印结果 print(sgd_reg.coef_) print(sgd_reg.intercept_) print(sgd_reg.score(X_test_standard, y_test)) 

结果如下


img_09a4f8ca5cb8d29753b34e202da372b3.png
结果要比批量梯度下降要差一些

3.总结

除了批量梯度下降法和随机梯度下降法之外,还有小批量梯度下降法(Mini-Batch gradient descent),方法是随机选取一小批样本进行迭代,原理差不多,这里不再赘述。

相对于使用正规方程解的方式解决线性回归问题,使用梯度下降可以在特征数量比较多的时候有更快的训练速度(比如图像识别)。有的机器学习算法只能使用梯度下降进行优化。

相对于批量梯度下降法,随机梯度下降法的特点:

  • 能够跳出局部最优解
  • 更快的运行速度
  • 结果一般会稍差

损失函数不一定有唯一的极小值点(不一定是凸函数),这时候的解决方案有:

  • 多次运行,随机化初始点
  • 将初始点的位置作为一个超参数

References:
Python3 入门机器学习 经典算法与应用 —— liuyubobobo
机器学习实战 —— Peter Harrington

原文链接:https://yq.aliyun.com/articles/666723
关注公众号

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。

持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。

文章评论

共有0条评论来说两句吧...

文章二维码

扫描即可查看该文章

点击排行

推荐阅读

最新文章