Исследование скорости сходимости параметров и гиперпараметров (пример)

Материал из MachineLearning.

(Различия между версиями)

Текущая версия

Содержание

1 Постановка задачи
2 Алгоритм настройки регрессионной модели (двухуровневый байесовский вывод)
- 2.1 Описание метода
- 2.2 Алгоритм
3 Вычислительный эксперимент
- 3.1 Литература
- 3.2 Исходный код

Для фиксированной регрессионной модели исследуется скорость сходимости параметров и гиперпараметров при ее настройке через двухуровневый байесовский вывод.

Постановка задачи

Рассмотрим следующую модель регрессии, описывающую связь между свободной и зависимой переменными:

$\mathbf{y} = f(\mathbf{x}, \mathbf{w}) + \mathbf{\varepsilon}$

Пусть случайная величина $\mathbf{\varepsilon}$ имеет нормальное распределение $\mathbf{\varepsilon} \in N(0, \sigma^2)$ . При этом будем обозначать $\mathbf{\beta}=\frac1{\sigma^2}$ .

Вектор $\mathbf{w}$ называется параметрами модели и рассматривается как многомерная случайная величина. Пусть плотность распределения параметров имеет вид многомерного нормального распределения $N(\mathbf{0}, A)$ с матрицей ковариации $A$ . В данном примере будут рассматриваться 2 случая: $A^{-1}=diag(\alpha_1, \alpha_2, \dots, \alpha_W)=diag(\mathbf{\alpha})$ , где $W$ - число параметров модели, и $A^{-1}=\alpha I_W$ , где $I_W$ - единичная матрица размерности $W$ .

Величины $\mathbf{\beta}$ и $\mathbf{\alpha}$ называются гиперпараметрами модели.

Для нескольких фиксированных функций $f$ , задающих модель, через двухуровневый байесовский вывод происходит настройка параметров и гиперпараметров. Требуется проанализировать изменение параметров и гиперпараметров по мере настройки.

Алгоритм настройки регрессионной модели (двухуровневый байесовский вывод)

Настройка модели происходит через двухуровневый байесовский вывод.

Описание метода

Т.к. $\mathbf{\varepsilon} \in N(0, \beta^{-2})$ , то для фиксированной модели f плотность вероятности появления данных

$P(y|\,\mathbf{x},\mathbf{w}, \beta, f)\equiv P(D|\, \mathbf{w}, \beta, f)=(\frac{2 \pi}\beta)^{-\frac{N}2}\, \exp(-\beta E_D)$ ,

где

$E_D = \frac12 \sum_{n=1}^N (f(\mathbf{w},\mathbf{x}_n)-y_n)^2$

Т.к. $\mathbf{w} \in N(\mathbf{0}, A)$ , то

$P(\mathbf{w}|\, A, f)=\frac{1}{(2 \pi)^{\frac{W}2}{|A|}^{\frac12}}\,\exp(-E_W)$ ,

где

$E_W = \frac12 \mathbf{w}^T A^{-1}\mathbf{w}$

Тогда, если обозначить $S(\mathbf{w})=E_W + \beta E_D = \frac12 \mathbf{w}^T A^{-1}\mathbf{w} + \beta E_D$ , то

$P(\mathbf{w}|\,D, A, \beta, f)= \frac{P(D|\, \mathbf{w}, \beta, f) P(\mathbf{w}|\, A, f)}{P(D|\, A, \beta, f)} \propto \exp(-S(\mathbf{w}))$

Таким образом, минимизация $S(\mathbf{w})$ по $\mathbf{w}$ дает максимум априорной плотности распределения параметров $\mathbf{w}$ на выборке $D$ . Минимизация осуществляется алгоритмом Левенберга-Марквардта.

Считая, что в точке минимума $\mathbf{w}^*$ функционал $S(\mathbf{w})$ представим в виде:

$S(\mathbf{w}) = S(\mathbf{w}^*) + \frac12 \Delta\mathbf{w}^T H \Delta\mathbf{w}$ , где $H=-\nabla\nabla S(w)|_{w=w^*}$ - гессиан функции ошибок,

получаем, что логарифм функции правдоподобия равен

$ln P(D|\,\mathbf{\alpha}, \mathbf{\beta})= - \frac12 ln|A| - \frac{N}2 ln 2\pi + \frac{N}2 ln \beta - \beta E_D - E_W -\frac12 ln|H|$

Гиперпараметры $\mathbf{\beta}$ и $\mathbf{\alpha}$ находятся итерационно из условия максимизации полученной функции правдоподобия:

При $A^{-1}=diag(\mathbf{\alpha})=diag(\alpha_1, \alpha_2, \dots, \alpha_W)$

$\alpha_i= \frac{-\lambda_i + \sqrt{\lambda_i^2 + 4 \frac{\lambda_i}{w_i^2}}}2$ , где $\lambda_i$ - собственные числа матрицы $H_D$ - части Гессиана, не зависящей от $A$ .

$\beta= \frac{N-\gamma}{2 E_D}$ , где $\gamma=\sum^W_{j=1}\frac{\lambda_j}{\lambda_j+a_j}$

При $A^{-1}=\alpha I_W$

$\alpha = \frac{W-\delta}{\mathbf{w}^T \mathbf{w}}$ , где $\delta=\sum^W_{j=1}\frac{\alpha}{\lambda_j+\alpha}$

$\beta= \frac{N-\gamma}{2 E_D}$ , где $\gamma=\sum^W_{j=1}\frac{\lambda_j}{\lambda_j+\alpha}$

Алгоритм

1) Задаем начальные значения $\mathbf{w_0}$ , $\mathbf{\alpha_0}$ и $\mathbf{\beta_0}$

2) Ищем локальный минимум функции ошибки $S(\mathbf{w})$ по $\mathbf{w}$

3) Ищем локальный максимум функции правдоподобия гиперпараметров $P(D|\,\mathbf{\alpha}, \mathbf{\beta})$ по $\mathbf{\alpha}, \mathbf{\beta}$

4) Повторяем шаги 2 и 3 до сходимости функционала $S(\mathbf{w})$

Вычислительный эксперимент

Эксперименты проводятся на 6 моделях, для каждой из которых рассматриваются 2 случая: $A^{-1}=diag(\mathbf{\alpha})$ (alpha variable) и $A^{-1}=\alpha I_W$ (alpha constant).

Для каждого случая проводится настройка модели по описанному алгоритму. Затем строятся графики изменения параметров и гиперпараметров по шагам алгоритма (величины параметров и гиперпараметров нормированы).

Рассматриваемые модели:

1) модель полиномиальной регрессии $y=\sum_{i=1}^4 w_i x^{i-1}$

2) модель $y = w_1 + w_2\, ln x$

3) модель $y = w_1 + \frac{w_2}{x}$

4) модель $y = w_1 + w_2\, e^{-w_3x}$

5) модель трехпараметрического распределения Вейбулла $y=w_1 w_2 x^{w_2-1}\exp(-w_1(x-w_3)^{w_2})$

6) модель с тригонометрическими функциями $y=a_0+\sum_{i=1}^n\bigl(a_i\cos(i\omega{x})+b_i\sin(i\omega{x})\bigr)$

Код требует дополнительной проверки: очень быстрая сходимость в большинстве вариантов.

Литература

Стрижов В. В. Методы индуктивного порождения регрессионных моделей. М.: ВЦ РАН. 2008. 55 с. Брошюра, PDF.
Стрижов В. В., Сологуб Р.А. Алгоритм выбора нелинейных регрессионных моделей с анализом гиперпараметров. Всероссийская конференция «Математические методы распознавания образов» (ММРО-14). 2009. стр. 184-187

Исходный код

Sintsova2010Bayesian

Данная статья была создана в рамках учебного задания.

Студент: Участник:Валентина Синцова

Преподаватель: В.В.Стрижов

Срок: 24 декабря 2010

В настоящее время задание завершено и проверено. Данная страница может свободно правиться другими участниками проекта MachineLearning.ru.

См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D1%81%D0%BA%D0%BE%D1%80%D0%BE%D1%81%D1%82%D0%B8_%D1%81%D1%85%D0%BE%D0%B4%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B8_%D0%BF%D0%B0%D1%80%D0%B0%D0%BC%D0%B5%D1%82%D1%80%D0%BE%D0%B2_%D0%B8_%D0%B3%D0%B8%D0%BF%D0%B5%D1%80%D0%BF%D0%B0%D1%80%D0%B0%D0%BC%D0%B5%D1%82%D1%80%D0%BE%D0%B2_%28%D0%BF%D1%80%D0%B8%D0%BC%D0%B5%D1%80%29»

Категория: Практика и вычислительные эксперименты

@@ Строка 7: / Строка 7: @@
 <center><tex>\mathbf{y} = f(\mathbf{x}, \mathbf{w}) + \mathbf{\varepsilon}</tex></center>
-Пусть случайная величина <tex>\mathbf{\varepsilon}</tex> имеет нормальное распределение <tex>\mathbf{\varepsilon} \in N(0, \sigma^2)</tex>.
+Пусть случайная величина <tex>\mathbf{\varepsilon}</tex> имеет нормальное распределение <tex>\mathbf{\varepsilon} \in N(0, \sigma^2)</tex>. При этом будем обозначать <tex>\mathbf{\beta}=\frac1{\sigma^2}</tex>.
-Вектор параметров модели <tex>\mathbf{w}</tex> рассматривается как многомерная случайная величина. Пусть плотность распределения параметров имеет вид многомерного нормального распределения <tex>N(\mathbf{0}, A)</tex> с матрицей ковариации <tex>A</tex>.
+Вектор <tex>\mathbf{w}</tex> называется параметрами модели и рассматривается как многомерная случайная величина. Пусть плотность распределения параметров имеет вид многомерного нормального распределения <tex>N(\mathbf{0}, A)</tex> с матрицей ковариации <tex>A</tex>. В данном примере будут рассматриваться 2 случая: <tex>A^{-1}=diag(\alpha_1, \alpha_2, \dots, \alpha_W)=diag(\mathbf{\alpha})</tex>, где <tex>W</tex> - число параметров модели, и <tex>A^{-1}=\alpha I_W</tex>, где <tex>I_W</tex> - единичная матрица размерности <tex>W</tex>.
-Рассматриваются 3 типа моделей:
+Величины <tex>\mathbf{\beta}</tex> и <tex>\mathbf{\alpha}</tex> называются гиперпараметрами модели.
-) модель полиномиальной регрессии <tex>y=\sum_{i=1}^na_ix^{i-1}</tex>
+Для нескольких фиксированных функций <tex>f</tex>, задающих модель, через двухуровневый байесовский вывод происходит настройка параметров и гиперпараметров. Требуется проанализировать изменение параметров и гиперпараметров по мере настройки.
-) модель <tex>y = a + b\, ln x</tex>
-) модель <tex>y = a + \frac{b}{x}</tex>
+=Алгоритм настройки регрессионной модели (двухуровневый байесовский вывод)=
+Настройка модели происходит через двухуровневый байесовский вывод.
-) модель <tex>y = a + b\, e^{-cx}</tex>
+==Описание метода==
+Т.к. <tex>\mathbf{\varepsilon} \in N(0, \beta^{-2})</tex>, то для фиксированной модели f плотность вероятности появления данных
-) модель трехпараметрического распределения Вейбулла <tex>y=abx^{b-1}\exp(-a(x-c)^b)</tex>
+<center><tex>P(y|\,\mathbf{x},\mathbf{w}, \beta, f)\equiv P(D|\, \mathbf{w}, \beta, f)=(\frac{2 \pi}\beta)^{-\frac{N}2}\, \exp(-\beta E_D)</tex>,</center>
+где
+<center> <tex>E_D = \frac12 \sum_{n=1}^N (f(\mathbf{w},\mathbf{x}_n)-y_n)^2</tex></center>
-) модель с тригонометрическими функциями <tex>y=a_0+\sum_{i=1}^n\bigl(a_i\cos(i\omega{x})+b_i\sin(i\omega{x})\bigr)</tex>
+Т.к. <tex>\mathbf{w} \in N(\mathbf{0}, A)</tex>, то
+<center><tex>P(\mathbf{w}|\, A, f)=\frac{1}{(2 \pi)^{\frac{W}2}{|A|}^{\frac12}}\,\exp(-E_W)</tex>,</center>
+где
+<center><tex>E_W = \frac12 \mathbf{w}^T A^{-1}\mathbf{w}</tex></center>
-Для каждой модели происходит настройка через двухуровневый байесовский вывод. Требуется проанализировать изменение параметров и гиперпараметров по мере настройки в каждой модели.
+Тогда, если обозначить <tex> S(\mathbf{w})=E_W + \beta E_D = \frac12 \mathbf{w}^T A^{-1}\mathbf{w} + \beta E_D</tex>, то
+<center><tex>P(\mathbf{w}|\,D, A, \beta, f)= \frac{P(D|\, \mathbf{w}, \beta, f) P(\mathbf{w}|\, A, f)}{P(D|\, A, \beta, f)} \propto \exp(-S(\mathbf{w}))</tex></center>
+Таким образом, минимизация <tex> S(\mathbf{w})</tex> по <tex>\mathbf{w}</tex> дает максимум априорной плотности распределения параметров <tex>\mathbf{w}</tex> на выборке <tex>D</tex>. Минимизация осуществляется алгоритмом Левенберга-Марквардта.
+Считая, что в точке минимума <tex>\mathbf{w}^*</tex> функционал <tex> S(\mathbf{w})</tex> представим в виде:
+<center><tex> S(\mathbf{w}) =  S(\mathbf{w}^*) + \frac12 \Delta\mathbf{w}^T H \Delta\mathbf{w}</tex>, где
+<tex>H=-\nabla\nabla S(w)|_{w=w^*}</tex> - гессиан функции ошибок,</center>
+получаем, что логарифм функции правдоподобия равен
+<center><tex>ln P(D|\,\mathbf{\alpha}, \mathbf{\beta})= - \frac12 ln|A| - \frac{N}2 ln 2\pi + \frac{N}2 ln \beta - \beta E_D - E_W -\frac12 ln|H| </tex></center>
+Гиперпараметры <tex>\mathbf{\beta}</tex> и <tex>\mathbf{\alpha}</tex> находятся итерационно из условия максимизации полученной функции правдоподобия:
+При <tex>A^{-1}=diag(\mathbf{\alpha})=diag(\alpha_1, \alpha_2, \dots, \alpha_W)</tex>
+:<tex>\alpha_i= \frac{-\lambda_i + \sqrt{\lambda_i^2 + 4 \frac{\lambda_i}{w_i^2}}}2</tex>, где <tex>\lambda_i</tex> - собственные числа матрицы <tex>H_D</tex> - части Гессиана, не зависящей от <tex>A</tex>.
+:<tex>\beta= \frac{N-\gamma}{2 E_D}</tex>, где <tex>\gamma=\sum^W_{j=1}\frac{\lambda_j}{\lambda_j+a_j}</tex>
+При <tex>A^{-1}=\alpha I_W</tex>
+:<tex>\alpha = \frac{W-\delta}{\mathbf{w}^T \mathbf{w}}</tex>, где <tex>\delta=\sum^W_{j=1}\frac{\alpha}{\lambda_j+\alpha}</tex>
+:<tex>\beta= \frac{N-\gamma}{2 E_D}</tex>, где <tex>\gamma=\sum^W_{j=1}\frac{\lambda_j}{\lambda_j+\alpha}</tex>
+==Алгоритм==
+) Задаем начальные значения <tex>\mathbf{w_0}</tex>, <tex>\mathbf{\alpha_0}</tex> и <tex>\mathbf{\beta_0}</tex>
+) Ищем локальный минимум функции ошибки <tex> S(\mathbf{w})</tex> по <tex>\mathbf{w}</tex>
+) Ищем локальный максимум функции правдоподобия гиперпараметров <tex>P(D|\,\mathbf{\alpha}, \mathbf{\beta})</tex> по <tex>\mathbf{\alpha}, \mathbf{\beta}</tex>
+) Повторяем шаги 2 и 3 до сходимости функционала <tex> S(\mathbf{w})</tex>
+=Вычислительный эксперимент=
+Эксперименты проводятся на 6 моделях, для каждой из которых рассматриваются 2 случая: <tex>A^{-1}=diag(\mathbf{\alpha})</tex> (alpha variable) и <tex>A^{-1}=\alpha I_W</tex> (alpha constant).
+Для каждого случая проводится настройка модели по описанному алгоритму. Затем строятся графики изменения параметров и гиперпараметров по шагам алгоритма (величины параметров и гиперпараметров нормированы).
+'''Рассматриваемые модели''':
+) модель полиномиальной регрессии <tex>y=\sum_{i=1}^4 w_i x^{i-1}</tex>
+[[Изображение:1ParamConvergence(AlphaConst).png|border|500x420px]]
+[[Изображение:1ParamConvergence(AlphaVariable).png|border|530x500px]]
+) модель <tex>y = w_1 + w_2\, ln x</tex>
+[[Изображение:2ParamConvergence(AlphaConst).png|border|500x420px]]
+[[Изображение:2ParamConvergence(AlphaVariable).png|border|500x420px]]
+) модель <tex>y = w_1 + \frac{w_2}{x}</tex>
+[[Изображение:3ParamConvergence(AlphaConst).png|border|500x420px]]
+[[Изображение:3ParamConvergence(AlphaVariable).png|border|500x420px]]
+) модель <tex>y = w_1 + w_2\, e^{-w_3x}</tex>
+[[Изображение:4ParamConvergence(AlphaConst).png|border|500x420px]]
+[[Изображение:4ParamConvergence(AlphaVariable).png|border|500x420px]]
+) модель трехпараметрического распределения Вейбулла <tex>y=w_1 w_2 x^{w_2-1}\exp(-w_1(x-w_3)^{w_2})</tex>
+[[Изображение:5ParamConvergence(AlphaConst).png|border|500x420px]]
+[[Изображение:5ParamConvergence(AlphaVariable).png|border|500x420px]]
+) модель с тригонометрическими функциями <tex>y=a_0+\sum_{i=1}^n\bigl(a_i\cos(i\omega{x})+b_i\sin(i\omega{x})\bigr)</tex>
+[[Изображение:6ParamConvergence(AlphaConst).png|border|500x420px]]
+[[Изображение:6ParamConvergence(AlphaVariable).png|border|500x420px]]
+{{tip|Код требует дополнительной проверки: очень быстрая сходимость в большинстве вариантов.}}
+== Литература ==
+* Стрижов В. В. Методы индуктивного порождения регрессионных моделей. М.: ВЦ РАН. 2008. 55&nbsp;с. [[Media:strijov08ln.pdf|Брошюра, PDF]].
+* Стрижов В. В., Сологуб Р.А. Алгоритм выбора нелинейных регрессионных моделей с анализом гиперпараметров. Всероссийская конференция «Математические методы распознавания образов» (ММРО-14). 2009. стр. 184-187
+== Исходный код ==
+[https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/MIPT2006-2010OldProj/Sintsova2010Bayesian/  Sintsova2010Bayesian]
+{{ЗаданиеВыполнено|Валентина Синцова|В.В.Стрижов|24 декабря 2010||Strijov}}
+[[Категория:Практика и вычислительные эксперименты]]

Исследование скорости сходимости параметров и гиперпараметров (пример)

Материал из MachineLearning.

Текущая версия

Содержание

Постановка задачи

Алгоритм настройки регрессионной модели (двухуровневый байесовский вывод)

Описание метода

Алгоритм

Вычислительный эксперимент

Литература

Исходный код

Просмотры

Личные инструменты

Навигация

Поиск

Инструменты