Step1:Models
Step2:Goodness of Function
如何寻找最优的Function
——利用Loss function L:
- Input: a funtion
- Output: how bad it is
L ( f ) = L ( ω , b ) L(f)=L(\omega,b) L(f)=L(ω,b)
Loss Funciton的选择本身也有很多种
在线性分类器中——通常使用预测值与真实值的偏差
L
(
f
)
=
∑
n
=
1
N
(
y
^
n
−
(
b
+
ω
∗
x
c
p
n
)
)
2
L(f)=\sum_{n=1}^N(\hat{y}^n-(b+\omega*x^n_{cp}))^2
L(f)=n=1∑N(y^n−(b+ω∗xcpn))2
以输出的参数 ω 、 b \omega、b ω、b分别为y、x轴建立坐标系,颜色标为是函数的糟糕程度
——红色认为非常糟糕,蓝色认为较好
Step3:Best Function
找到最好的function的本质是,找到的这个函数,能够使得损失函数最小
——如何寻找这个使得损失函数最小的参数 ω \omega ω和 b b b
梯度下降寻找最优解
只要你的损失函数L(w,b)是可微分的,梯度下降就都可以处理这个函数
Consider loss function L( ω \omega ω) with one parameter w:
ω ∗ = a r g min ω L ( ω ) \omega^*=arg\min_\omega L(\omega) ω∗=argminωL(ω)
- 暴力法
穷举所有的 ω \omega ω,找到最小的那个
- Gradient Descent
- (Randomly) Pick an initial value ω 0 \omega^0 ω0
- Compute d L d ω ∣ w = w 0 \frac{dL}{d\omega}|_{w=w^0} dωdL∣w=w0
- 下一个迭代 w 1 = w 0 − η d L d ω ∣ w = w 0 w^1=w^0-\eta \frac{dL}{d\omega}|_{w=w^0} w1=w0−ηdωdL∣w=w0
因为如果梯度为正,说明前面的方向是往上走,我们就向后退
如果梯度为负,说明前面的方向是往下走,我们就向前走
η \eta η是学习率,决定了我们一个步子,迈多大
——达到某个局部最优点
幸运的是,Linear Regression没有Local optimal,只有Global optimal
How about two parameters?
Worry
我们的随机点位置,可能会使得我们只找到局部最优解,而无法获得全局最优解
幸运的是,Linear Regression没有Local optimal,只有Global optimal
重新寻找更好的Models
Selecting another Model
当你想拟合出更好的模型
引入二次项
y
=
b
+
ω
1
x
c
p
+
ω
2
(
x
c
p
)
2
y=b+\omega_1x_{cp}+\omega_2(x_{cp})^2
y=b+ω1xcp+ω2(xcp)2
引入更复杂的Model等等
y
=
b
+
ω
1
x
c
p
+
ω
2
(
x
c
p
)
2
+
ω
3
(
x
c
p
)
3
y=b+\omega_1x_{cp}+\omega_2(x_{cp})^2+\omega_3(x_{cp})^3
y=b+ω1xcp+ω2(xcp)2+ω3(xcp)3
但是引入更复杂的Model后,可能会出现过拟合
A more complex model does not always lead to better performance on testing data.
Hidden Factors
只考虑原有cp值的影响是不对的,可能还要别的特征需要引入
Redesign the Model
对于每一种物种,有着不同参数的Linear Function
——讲物种特征,写入Function
对于哪些特征是有用的,是需要的,必要的,需要进行特征工程
例如这里,引入了特征有:类别,HP,Height,Weight
引入太多特征(可能是引入了冗余信息),会发现Overfitting了
- 方法一:如果你特征工程做得非常好,那你可以根据特征工程的结果,去减少一些特征的引入
- 方法二:Regularization
重新寻找更合适的Loss Function
Regularization——正则化
原始的Loss Function只考虑了预测值和真实值之间的差
Regularization就是加上一个额外的Term
y
=
b
+
∑
ω
i
x
i
L
=
∑
n
(
y
^
n
−
(
b
+
∑
ω
i
x
i
)
)
2
+
λ
∑
(
ω
i
)
2
y=b+\sum\omega_ix_i\\ L=\sum_n(\hat{y}^n-(b+\sum\omega_ix_i))^2+\lambda\sum(\omega_i)^2
y=b+∑ωixiL=n∑(y^n−(b+∑ωixi))2+λ∑(ωi)2
-
λ \lambda λ是一个需要调节的超参数
-
这个正则项的引入,说明了,我们希望 ω i \omega_i ωi越小越好
-
因为 ω i \omega_i ωi越小,这个拟合出来的函数,鲁棒性越强
-
λ \lambda λ越大,说明,这个函数越Smoother,我们就越考虑 ω i \omega_i ωi,而减少考虑error
我们需要调整 λ \lambda λ,来决定需要的函数有多Smooth
梯度下降代码
当学习率为0.000001时,随机梯度很难到达最优解的位置
当我们讲学习率调成0.00001时,这时的学习率又过大
因此,我们要给w和b不一样的学习率
特制化学习率之后,学习率随便设个1就好
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
x_data=[338.,333.,328.,207.,226.,25.,179.,60.,208.,606.]
y_data=[640.,633.,619.,393.,428.,27.,193.,66.,226.,1591.]
# y_data=b+w*x_data
x=np.arange(-200,-100,1)#bias
y=np.arange(-5,5,0.1)#weight
Z=np.zeros((len(x),len(y)))
X,Y=np.meshgrid(x,y)
for i in range(len(x)):
for j in range(len(y)):
b=x[i]
w=y[i]
Z[j][i]=0
for n in range(len(x_data)):
Z[j][i]=Z[j][i]+(y_data[n]-b-w*x_data[n])**2
Z[j][i]=Z[j][i]/len(x_data)
# y_data=b+w*x_data
b=-120 #initial b
w=-4 #initial w
lr=1 #learning rate
iteration=100000#最大迭代次数
# Store initial values for plotting
b_history=[b]
w_history=[w]
lr_b=0
lr_w=0
# Iterations
for i in range(iteration):
b_grad=0.0
w_grad=0.0
for n in range(len(x_data)):
b_grad=b_grad-2.0*(y_data[n]-b-w*x_data[n])*1.0
w_grad=w_grad-2.0*(y_data[n]-b-w*x_data[n])*x_data[n]
lr_b+=b_grad**2
lr_w+=w_grad**2
# Update parameters
#b=b-lr*b_grad
#w=w-lr*w_grad
b=b-lr/np.sqrt(lr_b)*b_grad
w=w-lr/np.sqrt(lr_w)*w_grad
# Store parameters for plotting
b_history.append(b)
w_history.append(w)
#plot the figure
plt.contourf(x,y,Z,50,alpha=0.5,cmap=plt.get_cmap('jet'))
plt.plot([-188.4],[2.67],'x',ms=12,markeredgewidth=3,color='orange')
plt.plot(b_history,w_history,'o-',ms=3,lw=1.5,color='black')
plt.xlim(-200,-100)
plt.ylim(-5,5)
plt.xlabel(r'$b$',fontsize=16)
plt.ylabel(r'$w$',fontsize=16)
plt.show()