Я реализовал простой пример линейной регрессии (единственный вариант на данный момент) на C++, чтобы помочь мне разобраться в концепциях. Я почти уверен, что ключевой алгоритм прав, но мое исполнение ужасно.Линейная регрессия плохой градиентный спуск производительности
Это метод, который фактически выполняет градиентный спуск:
void LinearRegression::BatchGradientDescent(std::vector<std::pair<int,int>> & data,float& theta1,float& theta2)
{
float weight = (1.0f/static_cast<float>(data.size()));
float theta1Res = 0.0f;
float theta2Res = 0.0f;
for(auto p: data)
{
float cost = Hypothesis(p.first,theta1,theta2) - p.second;
theta1Res += cost;
theta2Res += cost*p.first;
}
theta1 = theta1 - (m_LearningRate*weight* theta1Res);
theta2 = theta2 - (m_LearningRate*weight* theta2Res);
}
С другими ключевыми функциями, заданных как:
float LinearRegression::Hypothesis(float x,float theta1,float theta2) const
{
return theta1 + x*theta2;
}
float LinearRegression::CostFunction(std::vector<std::pair<int,int>> & data,
float theta1,
float theta2) const
{
float error = 0.0f;
for(auto p: data)
{
float prediction = (Hypothesis(p.first,theta1,theta2) - p.second) ;
error += prediction*prediction;
}
error *= 1.0f/(data.size()*2.0f);
return error;
}
void LinearRegression::Regress(std::vector<std::pair<int,int>> & data)
{
for(unsigned int itr = 0; itr < MAX_ITERATIONS; ++itr)
{
BatchGradientDescent(data,m_Theta1,m_Theta2);
//Some visualisation code
}
}
Теперь вопрос заключается в том, что, если скорость обучения больше, чем вокруг 0,000001 значение функции стоимости после градиентный спуск выше, чем до. То есть, алгоритм работает обратным образом. Линия образуется в прямую линию через начало довольно быстро, но затем принимает миллионов итераций, чтобы фактически достичь хорошо подходящей линии.
При скорости обучения 0,01, после шести итераций выход: (где разница в том, costAfter-costBefore)
Cost before 102901.945312, cost after 517539430400.000000, difference 517539332096.000000
Cost before 517539430400.000000, cost after 3131945127824588800.000000, difference 3131944578068774912.000000
Cost before 3131945127824588800.000000, cost after 18953312418560698826620928.000000, difference 18953308959796185006080000.000000
Cost before 18953312418560698826620928.000000, cost after 114697949347691988409089177681920.000000, difference 114697930004878874575022382383104.000000
Cost before 114697949347691988409089177681920.000000, cost after inf, difference inf
Cost before inf, cost after inf, difference nan
В этом примере thetas установлены равными нулю, скорость обучения на 0,000001, и есть 8 000 000 итераций! Код визуализации обновляет график только после каждых 100 000 итераций.
Функция, которая создает точки данных:
static void SetupRegressionData(std::vector<std::pair<int,int>> & data)
{
srand (time(NULL));
for(int x = 50; x < 750; x += 3)
{
data.push_back(std::pair<int,int>(x+(rand() % 100), 400 + (rand() % 100)));
}
}
Короче говоря, если мой курс обучения слишком высок алгоритм градиентного спуска эффективно работает в обратном направлении и стремится к бесконечности, и если она снижается до точка, где она фактически сходится к минимуму, количество итераций, необходимых для этого, является неприемлемо высоким.
Я что-то пропустил/допустил ошибку в основном алгоритме?
Есть ли у вас краткая ссылка на ваш алгоритм? Это может быть проще найти проблему. Кроме того, исходя из промежуточного результата, стоимость фактически растет после каждой итерации, я думаю, что что-то не так. – TimeString
Алгоритм взят из лекции по курсу обучения в Стэнфордском университете [link] (https://youtu.be/5u4G23_OohI), а также несколько других видеороликов, которые считаются довольно стандартными. Стоимость растет после каждой итерации только тогда, когда скорость обучения слишком высока (что, я думаю, неверно), если скорость обучения ниже, она будет медленно уменьшаться. – Davors72
Другое дело, что, как мне кажется, в функции CostFunction() вам нужно принять абсолютную ценность до того, как вы вернетесь. – TimeString