Ich habe eine einfache lineare Regression (single variate für jetzt) Beispiel in C++ implementiert, um mir zu helfen, die Konzepte zu verstehen. Ich bin mir ziemlich sicher, dass der Schlüsselalgorithmus stimmt, aber meine Leistung ist schrecklich.Lineare Regression schlechte Gradientenabstiegsleistung
Dies ist die Methode, die tatsächlich die Gradientenabfallsaktualisierung führt:
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);
}
Mit den anderen wichtigen Funktionen wie gegeben:
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
}
}
Nun das Problem ist, dass, wenn die Lernrate ist größer als etwa 0.000001 der Wert der Kostenfunktion nach Gradientabstieg ist höher als vor. Das heißt, der Algorithmus arbeitet rückwärts. Die Linie bildet sich ziemlich schnell in einer geraden Linie durch den Ursprung, aber dann braucht man nur Millionen von Iterationen, um tatsächlich eine einigermaßen gut passende Linie zu erreichen.
mit einer Lernrate von 0,01 nach sechs Iterationen der Ausgang ist: (wobei Unterschied ist 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
In diesem Beispiel ist die thgr Null ist, die Lernrate auf 0,000001 gesetzt, und es gibt 8.000.000 Iterationen! Der Visualisierungscode aktualisiert das Diagramm nur nach jeweils 100.000 Iterationen.
Funktion, die die Datenpunkte erstellt:
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)));
}
}
Kurz gesagt, wenn meine Lernrate zu hoch ist der Gradientenabstiegsalgorithmus effektiv rückwärts läuft und gegen Unendlich und wenn es abgesenkt der Punkt, an dem es tatsächlich gegen ein Minimum konvergiert, ist die Anzahl der Iterationen, die erforderlich sind, um dies tatsächlich zu tun, inakzeptabel hoch.
Habe ich etwas verpasst/einen Fehler im Kernalgorithmus gemacht?
Haben Sie eine Kurzübersicht über Ihren Algorithmus? Das kann einfacher sein, das Problem zu finden. Auch auf der Grundlage des Zwischenergebnisses wachsen die Kosten nach jeder Iteration, ich denke, da muss etwas nicht stimmen. – TimeString
Der Algorithmus stammt aus der Stanford Machine Learning Course Vorlesung [Link] (https://youtu.be/5u4G23_OohI), sowie ein paar andere Videos, dachte, es ist ziemlich Standard. Die Kosten wachsen nach jeder Iteration nur dann, wenn die Lernrate zu hoch ist (was ich für falsch halte), wenn die Lernrate geringer ist, wird sie * langsam * reduziert. – Davors72
Eine andere Sache ist, dass ich denke, in der CostFunction() müssen Sie absoluten Wert nehmen, bevor Sie zurückkehren. – TimeString