1. 什么是梯度下降？
梯度下降法（英语：Gradient descent）是一个一阶最优化算法，通常也称为最速下降法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。
先来看两个函数：
1. 拟合函数：
θ 为参数向量， h ( θ )就是通过参数向量计算的值，n为参数的总个数，j代表的是一条记录里的一个参数
θ 为参数向量， h ( θ )就是通过参数向量计算的值，n为参数的总个数，j代表的是一条记录里的一个参数
h(θ)=∑j=0nθjxj
2. 损失函数：
J
(
θ
)
=
12m
∑i=1m
(hθ(x(i))−y(i))2
m为训练的集合数，i代表的是一条记录，
hθ
(
xi
)代表的是第i条的
h
(
θ
)
在监督学习模型中，需要对原始的模型构建损失函数
J
(
θ
), 接着就是最小化损失函数，用以求的最优参数
θ
对损失函数
θ进行求偏导，获取每个
θ的梯度
∂J(θ)∂θ=−1m∑i=1m(yi−hθ(xi))xij
,
xij参数代表着x在第i行里的j列的值,算法如下
最小化损失函数，需要按照梯度的负方向更新θ
θ‘j=θj+1m∑i=1m(yi−hθ(xi))xij)
这种被称为梯度下降
2. 梯度下降的几种方式
2.1 批量梯度下降（BGD）
在前面的方式，我们采样部分数据，就称为批量梯度下降
在公式：
θ‘j=θj+1m∑i=1m(yi−hθ(xi))xij)
中我们会发现随着计算θ的梯度下降，需要计算所有的采样数据m，计算量会比较大。
2.2 随机梯度下降 (SGD)
在上面2.1的批量梯度下降，采样的是批量数据，那么随机采样一个数据，进行θ梯度下降，就被称为随机梯度下降。
损失函数：J(θ)=1m∑i=1m12(yi−hθ(xi))2
那么单样本的损失函数：m=1 的情况：
12(yi−hθ(xi))2
对单样本的损失函数进行求偏导，计算梯度下降
θ‘j=θj+(yi−hθ(xi))xij
为了控制梯度下降的速度，引入步长
α
αα
θ‘j=θj+α(yi−hθ(xi))xij
3. Spark 实现的梯度下降
在代码GradientDescent.scala中
def runMiniBatchSGD(
data: RDD[(Double, Vector)],
gradient: Gradient,
updater: Updater,
stepSize: Double,
numIterations: Int,
regParam: Double,
miniBatchFraction: Double,
initialWeights: Vector,
convergenceTol: Double): (Vector, Array[Double]) = {
// convergenceTol should be set with non minibatch settings
if (miniBatchFraction < 1.0 && convergenceTol > 0.0) {
logWarning("Testing against a convergenceTol when using miniBatchFraction " +
"< 1.0 can be unstable because of the stochasticity in sampling.")
}
if (numIterations * miniBatchFraction < 1.0) {
logWarning("Not all examples will be used if numIterations * miniBatchFraction < 1.0: " +
s"numIterations=$numIterations and miniBatchFraction=$miniBatchFraction")
}
val stochasticLossHistory = new ArrayBuffer[Double](numIterations)
// Record previous weight and current one to calculate solution vector difference
var previousWeights: Option[Vector] = None
var currentWeights: Option[Vector] = None
val numExamples = data.count()
// if no data, return initial weights to avoid NaNs
if (numExamples == 0) {
logWarning("GradientDescent.runMiniBatchSGD returning initial weights, no data found")
return (initialWeights, stochasticLossHistory.toArray)
}
if (numExamples * miniBatchFraction < 1) {
logWarning("The miniBatchFraction is too small")
}
// Initialize weights as a column vector
var weights = Vectors.dense(initialWeights.toArray)
val n = weights.size
/**
* For the first iteration, the regVal will be initialized as sum of weight squares
* if it's L2 updater; for L1 updater, the same logic is followed.
*/
var regVal = updater.compute(
weights, Vectors.zeros(weights.size), 0, 1, regParam)._2
var converged = false // indicates whether converged based on convergenceTol
var i = 1
while (!converged && i <= numIterations) {
val bcWeights = data.context.broadcast(weights)
// Sample a subset (fraction miniBatchFraction) of the total data
// compute and sum up the subgradients on this subset (this is one map-reduce)
val (gradientSum, lossSum, miniBatchSize) = data.sample(false, miniBatchFraction, 42 + i)
.treeAggregate((BDV.zeros[Double](n), 0.0, 0L))(
seqOp = (c, v) => {
// c: (grad, loss, count), v: (label, features)
val l = gradient.compute(v._2, v._1, bcWeights.value, Vectors.fromBreeze(c._1))
(c._1, c._2 + l, c._3 + 1)
},
combOp = (c1, c2) => {
// c: (grad, loss, count)
(c1._1 += c2._1, c1._2 + c2._2, c1._3 + c2._3)
})
if (miniBatchSize > 0) {
/**
* lossSum is computed using the weights from the previous iteration
* and regVal is the regularization value computed in the previous iteration as well.
*/
stochasticLossHistory += lossSum / miniBatchSize + regVal
val update = updater.compute(
weights, Vectors.fromBreeze(gradientSum / miniBatchSize.toDouble),
stepSize, i, regParam)
weights = update._1
regVal = update._2
previousWeights = currentWeights
currentWeights = Some(weights)
if (previousWeights != None && currentWeights != None) {
converged = isConverged(previousWeights.get,
currentWeights.get, convergenceTol)
}
} else {
logWarning(s"Iteration ($i/$numIterations). The size of sampled batch is zero")
}
i += 1
}
logInfo("GradientDescent.runMiniBatchSGD finished. Last 10 stochastic losses %s".format(
stochasticLossHistory.takeRight(10).mkString(", ")))
(weights, stochasticLossHistory.toArray)
}3.1 随机梯度？
看函数名字叫做SGD，会以为是随机梯度下降，实际上Spark里实现的是
随机批量的梯度下降
我们去看梯度下降的批量算法公式：
θ‘j=θj+1m∑i=1m(yi−hθ(xi))xij)
这个公式可以拆分成两部分
- 计算数据的梯度
- 根据梯度计算新的权重
3.2 计算梯度
在前面的章节里描述过随机和批量的主要区别就是在计算梯度上，随机采样只是随机采用单一样本，而批量采样如果采样所有数据，涉及到采样的样本、计算量大的问题，Spark采用了择中的策略，随机采样部分数据
- 先随机采样部分数据
data.sample(false, miniBatchFraction, 42 + i)- 对部分数据样本进行聚合计算
treeAggregate((BDV.zeros[Double](n), 0.0, 0L))(
seqOp = (c, v) => {
// c: (grad, loss, count), v: (label, features)
val l = gradient.compute(v._2, v._1, bcWeights.value, Vectors.fromBreeze(c._1))
(c._1, c._2 + l, c._3 + 1)
},
combOp = (c1, c2) => {
// c: (grad, loss, count)
(c1._1 += c2._1, c1._2 + c2._2, c1._3 + c2._3)
})使用treeAggregate，而没有使用Aggregate，是因为treeAggregate比aggregate更高效，combOp会在executor上执行
在聚合计算的seqOp里我们看到了gradient.compute来计算梯度
3.2.1 Spark 提供的计算梯度的方式
- LeastSquaresGradient 梯度，主要用于线型回归
- HingeGradient 梯度，用于SVM分类
- LogisticGradient 梯度，用于逻辑回归
前面章节里描述的就是基于线性回归模型的计算梯度的方式，也就是如下公式：
∑i=1m(yi−hθ(xi))xij)
代码如下：
class LeastSquaresGradient extends Gradient {
override def compute(data: Vector, label: Double, weights: Vector): (Vector, Double) = {
val diff = dot(data, weights) - label
val loss = diff * diff / 2.0
val gradient = data.copy
scal(diff, gradient)
(gradient, loss)
}
override def compute(
data: Vector,
label: Double,
weights: Vector,
cumGradient: Vector): Double = {
val diff = dot(data, weights) - label
axpy(diff, data, cumGradient)
diff * diff / 2.0
}
}3.3 跟新权重theta θ
在梯度下降计算中，计算新的theta（也叫权重的更新），更新的算法由你采用的模型来决定val update = updater.compute(
weights, Vectors.fromBreeze(gradientSum / miniBatchSize.toDouble),
stepSize, i, regParam)
目前Spark默认提供了3种算法跟新theta
- SimpleUpdater
- L1Updater
- SquaredL2Updater
3.3.1 SimpleUpdater
以SimpleUpdater来说：class SimpleUpdater extends Updater {
override def compute(
weightsOld: Vector,
gradient: Vector,
stepSize: Double,
iter: Int,
regParam: Double): (Vector, Double) = {
val thisIterStepSize = stepSize / math.sqrt(iter)
val brzWeights: BV[Double] = weightsOld.asBreeze.toDenseVector
brzAxpy(-thisIterStepSize, gradient.asBreeze, brzWeights)
(Vectors.fromBreeze(brzWeights), 0)
}
}也就是上面提到的公式： θ‘j = θj + α ∗
相对来说simpleupdater算法比较简单，在这里没有使用正则参数regParam，只是使用了每个迭代的步长作为相同的因子，计算每一个theta，也就是权重。
迭代的步长=总步长/math.sqrt(迭代的次数)
关于正则化参数，在这篇博客里就不叙述了。
3.3.2 其它的正则参数化算法
L1Updater： 正则化算法
- 和SimpleUpdater一样更新权重
- 将正则化参数乘以迭代步长的到比较参数：shrinkage
- 如果权重大于shrinkage，设置权重-shrinkage
- 如果权重小于-shrinkage，设置权重+shrinkage
- 其它的，设置权重为0
SquaredL2Updater：正则化算法
w' = w - thisIterStepSize * (gradient + regParam * w)4. 梯度下降收敛条件
如何判定梯度下降权重值收敛不在需要计算，通常会有两个约束条件
- 迭代次数，当达到一定的迭代次数后，权重的值会被收敛到极值点，并且不会受到次数的影响
- 筏值：当两次迭代的权重之间的差小于指定的筏值的时候，就认为已经收敛
在Spark里使用了L2范数来比较筏值
private def isConverged(
previousWeights: Vector,
currentWeights: Vector,
convergenceTol: Double): Boolean = {
// To compare with convergence tolerance.
val previousBDV = previousWeights.asBreeze.toDenseVector
val currentBDV = currentWeights.asBreeze.toDenseVector
// This represents the difference of updated weights in the iteration.
val solutionVecDiff: Double = norm(previousBDV - currentBDV)
solutionVecDiff < convergenceTol * Math.max(norm(currentBDV), 1.0)
}当前后权重的差的L2，小于筏值*当前权重的L2和1的最大值，就认为下降结束。
扫一扫
914
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
