【sklearn第十一讲】随机梯度下降

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

随机梯度下降(Stochastic Gradient Descent, SGD)是一种简单高效的线性分类器判别学习方法。该方法针对的是凸损失函数，例如，（线性）支持向量机、Logistic回归。虽然SGD在机器学习领域已经提出了很久，但随着近年来的大规模学习它才受到重视。

SGD已经成功地应用到文本分类、自然语言处理这样的大规模和稀疏的机器学习问题里。假设数据是稀疏的，分类器很容易遭遇超过 $10^5$ 个训练样本、 $10^5$ 个特征这类问题。随机梯度下降的优势主要体现在：

• 高效率

• 易执行

它的不足包括：

• SGD需要很多超参数，例如正则参数、迭代次数。

• SGD对于特征变换是敏感的。

分类

类SGDClassifier执行一个普通的随机梯度下降程序，它支持不同的损失函数和分类惩罚。SGD必须拟合两个数组：[n_samples, n_features]数组X, 装载训练样本； [n_samples]数组Y, 装载训练样本的目标值（即，类标签）。

from sklearn.linear_model import SGDClassifier
X = [[0., 0.], [1., 1.]]
y = [0, 1]
clf = SGDClassifier(loss="hinge", penalty="l2")
clf.fit(X, y)

拟合后的模型可以用来预测新值。

clf.predict([[2., 2.]])

SGD拟合一个线性模型到训练数据上，成员coef_装载模型参数，成员intercept_装载常数项。

clf.coef_
clf.intercept_  

至于模型是否应该有常数项，即，一个有偏超平面，由参数fit_intercept控制。
使用SGDClassifier.decision_function得到带符号的超平面距离。

clf.decision_function([[2., 2.]])

损失函数由参数loss设置，SGDClassifier支持下面的几种损失函数：

• loss=“hinge”: 灵活边界的线性支持向量机

• loss=“modified_huber”: 平滑的hinge损失

• loss=“log”: logistic回归

• 下面所列的所有回归损失

其中，前两个损失函数是lazy的，只有当一个例子样本违反了边界约束，它才升级模型参数。这使得训练非常有效，即使使用L2惩罚也可能导致更稀疏的模型。

使用loss=“log” or loss="modified_huber"时, 能够使用predict_proba方法，它给每一个样本 $x$ 一个概率估计 $\mathcal{P}(y|x)$ 的向量。

clf = SGDClassifier(loss="log").fit(X, y)
clf.predict_proba([[1., 1.]])

参数penalty设置惩罚项。SGD支持以下惩罚形式：

• penalty=“l2”: 惩罚在coef_上的L2范数

• penalty=“l1”: 惩罚在coef_上的L1范数

• penalty=“elasticnet”: L1, L2的凸组合，(1 - l1_ratio) $\times$ L2 + l1_ratio $\times$ L1

默认设置是penalty=“l2”. L1惩罚导致稀疏解，这使得很多系数被迫为0. 弹性网格解决了L1惩罚在属性高度相关情况下的不足，参数l1_ratio控制L1, L2惩罚的凸组合形式。

SGDClassifier支持多类别分类，这是通过组合多个二值分类器在一个“one versus all” (OVA)方案里实现的。对于K个类的每一个类，学习一个二值分类器，判别属于该类还是其余K-1个类。在检验时，我们计算每一个类的置信分数，即，该类边界与超平面的带符号距离，选择具有最高分数的类。下图解释了iris数据集的OVA方法，其中的虚线代表三个OVA分类器，背景颜色代表了决策面。

在多类的分类里，coef_是一个[n_classes, n_features]二维数组，intercept_是一个[n_classes]一维数组。coef_的第i行装载第i类的权向量，类标号按升序排列。请注意，原则上，由于允许产生一个概率模型，所以loss=“log” and loss="modified_huber"更适合one-vs-all分类。

回归

类SGDRegressor执行一个普通的随机梯度下降学习程序，支持不同的损失函数和惩罚拟合线性回归模型。SGDRegressor也很适合大训练样本（>10,000）的回归问题。对于其它问题，我们推荐使用类Ridge, Lasso, ElasticNet.

损失函数由参数loss设置，SGDRegressor支持以下几种损失函数：

• loss=“squared_loss”: 普通最小二乘

• loss=“huber”: 稳健回归的huber损失

• loss=“epsilon_insensitive”: 线性支持向量回归

huber and epsilon_insensitive损失用于稳健回归。非敏感区域的宽度由参数epsilon指定。

实际应用提示

• 随机梯度下降对于特征scaling是敏感的，因此强烈建议scale数据。例如，scale输入向量X的每个属性到[0, 1]或[-1, 1], 或者标准化为0均值、1标准差。请注意，相同的scaling必须被应用到检验向量，这样才能获得有意义的结果。使用StandardScaler很容易完成。

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(X_train)  # Don't cheat - fit only on training data
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)  # apply same transformation to test data

• 使用GridSearchCV找到一个合理的正则项 $\alpha$, 范围通常在10.0**-np.arange(1,7).

• 经验地，我们发现SGD收敛于观测大概 $10^6$ 个训练样本之后。那么，一个合理的迭代数猜想是n_iter = np.ceil(10**6 / n), 这里的n是训练集样本数。

• 如果你应用SGD到使用主成分提取的特征上，你会发现按下面的办法scale特征是明智的：通过某常数c, 使得训练数据的平均的L2范数等于1.

数学原理

给定一个训练样本集 $(x_1,y_1),\dots ,(x_{}$