Я прохожу онлайн курс по ML, а здесь я пишу заметки, в которых, как мне кажется, я нуждался неделю назад.
class GradientDescentMse: """ Базовый класс для реализации градиентного спуска в задаче линейной МНК регрессии """
Прочтя такое задание, я почувствовал как мой мир рушится. Всё, что я знал о ML, а это два с половиной урока кажутся пройденными зря — МНК это не метод решения для линейной регрессии, а что то другое... И я начал разбираться заново. Какую статью не открою — везде простыня с формулами. В итоге самые короткие и простые я прочёл. Но можно ещё проще. Перейти сразу к МНК
База
Линейная регрессия это сведение зависимости y(X) к линейному уравнению вида
и нахождение k и C по известным y и X.
Во-первых какова геометрия, описываемая уравнением?
Если признак X в количестве одной штуки (таблица имеет один столбец входных данных), то это прямая, делящая двумерную плоскость на то, что выше и то, что ниже. Даже если случайности не существует, существует признак, который я не учёл. А те признаки, что учёл, все равно с ошибкой. Это результат или неверно работающего измерительного прибора или пьяные/уставшие/тапающие_хомяка человеки вбивали данные в БД и время от времени косячили. Это если данные снимались и вбивались специальнообученойобезьяной в рамках рабочего процесса. Если данные — результат опроса, то никто ничего не помнит, а то, что помнят — все равно могут исказить, так как стремно признаться, что ты полтора метра и полтора центнера одновременно. Побороть влияние искажений можно увеличив количество данных. Увеличивать m можно только пока есть какая-то корреляция между новым признаком и таргетом (И пока сложность модели соизмерима со сложностью задачи). Увеличивать n можно почти безгранично и чем больше, тем лучше. Больше данных Можно, конечно, решить СЛАУ для m первых уравнений, потом сместиться на step>=1 решать снова и снова, а потом найти средне арифметические значения всех коэффициентов. Если данных много, то это даже может сработать. Я провёл тест с теми данными что рассматриваются в течении всей статьи: и получил Ещё важное: В ML ВСЕГДА или почти ВСЕГДА не хотят решать исходную СЛАУ: где В ML хотят выбрать функцию ошибки и минимизировать её пользуясь двумя фактами: Она сильнее штрафует за абсолютную ошибку q, чем за 2 ошибки величиной q/2. А ещё у неё точно есть производная в нуле. А у модуля от ошибки производную не посчитаешь — 0/|0| стремится к -1 с одной стороны и 1 с другой. MAE может вызывать как минимум внутренний дискомфорт. А ошибку без квадратов и модулей вообще рассматривать нет смысла, так как ошибись ты на одних данных в среднем на +9000, на других на -9000 получишь нулевую ошибку и нулевую предсказательную силу. Формулы часто выглядят как (Фигня — y)^2 и с непривычки кажутся одинаковыми. Надо смотреть в первую очередь на контекст, на то в какой момент Фигня подсчитана и зачем. Придётся различать. Я тоже возьму квадратичную ошибку (мог бы и среднюю, так как производная у них одинаковая, но МНК этого не подразумевает) и минимизирую её квадрат. 2 признака + С. *Верное уточнение от Dimaush : не равно нолю, а Но расчеты произвожу мечтая именно о нулевой ошибке. X-ы у меня есть в исходных данных, k — нет. Я буду дифференцировать по k, а X у меня будет пока что неким коэффициентом: Посмотреть как это делается в онлайн калькулятору Этот метод из статистики. Он начинается здесь, после получения производных, когда я выбираю, как именно я их в k превращать буду. Суммарно это новая СЛАУ. Именно СЛАУ, так как x1_i хоть в первой хоть в сотой степени это просто число. Немного отредачу СЛАУ, а именно «развалю» SUM и выкину -2 за ненадобностью. Тут нет ничего сложного, я просто раскрыл скобки и поставил SUM каждому слагаемому по-отдельности. В аналитической части ничего сложнее уже не будет. В новой СЛАУ всё — числа, кроме коэффициентов. Представляю, что k это неизвестные и просто решаю. Точнее там будут числа, если у меня появятся какие-то исходные данные. X1 X2 y 1 2 1.5 2 3 1.8 3 1 3.2 4 5 3.6 5 4 5.1 Подставив, перемножив и сложив, я получил: Посмотреть решение в онлайн калькуляторе СЛАУ MSE = 0.0971 Нашёл такую формулу: МНК(ols) это число, соответственно все слагаемые должны быть числами, проверю хотя бы это: y.T очевидно можно перемножить на y, это изначально столбец, так что в итоге число будет. b.T dot X.T это строка(L=n) умноженная на таблицу n столбцов и m строк. Строка умножаемая на таблицу даёт строку. b.T dot X.T dot y это строка n на столбец n, в итоге число b.T dot X.T разбиралось на 2 строки выше. Строка n b.T dot X.T dot X это строка n на таблицу высоты n. Строка n b.T dot X.T dot X dot b это строка n на столбец n, число Матричное дифференцирование похоже на обычное. У b снимаем степень и добавляем двойку перед слагаемым если надо. Слагаемые без b выкидываем Осталось выразить Матрица это всего-лишь табличная форма записи СЛАУ(Почти всегда). СЛАУ с 3 неизвестными и с 3 уравнениями, где одно уравнение получается масштабированием другого тоже не решаема, а это тоже по сути уравнение и ища обратную матрицу, я его именно решаю. И строки и столбцы равнозначимы в этом решении. Теперь проверю через python: Нельзя не добавить: solve и https://habr.com/ru/articles/827018/
Если столбцов в исходных данных два, то это плоскость, делящая 3х-мерное пространство на то, что выше и то что ниже.
Короче, это m мерная геометрическая штука, рассекающая m+1 мерное пространство, ибо это пространство ещё имеет ось искомого
Богу Данных Data Scientistу. Он разберётся кого в X_train, кого в корзину. Итак стандартная ситуация это n>>m.
[0.7, 0.8, -0.336] что случайными данными не назовешь, но и от минимизации MSE это сильно отличается. Лучшая MAE тоже ближе к идеально возможной MSE — [0.46, .0033, -0.147]. Придуманный мной на ходу велосипед едет, но не очень.
1) Производная любой функции это
(нужно указать foo в функцию и k_1 в аргумент) МНК (метод наименьших квадратов) aka OLS (ordinary least squares)
Во-первых я ищу экстремум, точку покоя (не путать с точкой перелома), как было сказано в базе в искомой точке производная по k равна нулю.Аналогично для k2 и C
Посмотреть велосипед в python
import numpy as np from scipy.linalg import solve y = np.array([[1.5, 1.8, 3.2, 3.6, 5.1]]) # Всё лежит на боку, мне так удобно X = np.array([[1,2,3,4,5], [2,3,1,5,4]]) # Если хочешь привычную форму - транспонируй X и y SUM_x1 = X[0].sum() SUM_x2 = X[1].sum() SUM_y = y.sum() SUM_x1_x1 = (X[0]**2).sum() SUM_x2_x2 = (X[1]**2).sum() SUM_x1_x2 = (X[0] * X[1]).sum() SUM_x1_y = (X[0] * y).sum() SUM_x2_y = (X[1] * y).sum() #Дальше СЛАУ """ SUM_y = len(y[0])*C + k1*SUM_x1 + k2*SUM_x2 SUM_x1_y = C*SUM_x1 - k1*SUM_x1_x1 - k2*SUM_x1_x2 SUM_x2_y = C*SUM_x2 - k1*SUM_x1_x2 - k2*SUM_x2_x2 """ X_ = np.array([[len(y[0]), SUM_x1, SUM_x2], # Тут уже нормально - одна строка это все признаки одной точки [SUM_x1, SUM_x1_x1, SUM_x1_x2], [SUM_x2, SUM_x1_x2, SUM_x2_x2]]) b = np.array([SUM_y, SUM_x1_y, SUM_x2_y]) k_all = solve(X_,b) print(f'k_all = {k_all}\n') # [ 0.5275 0.99375 -0.15625]
Посмотреть матричный велосипед (Тут тоже немного сложно, но можно и пропустить)
b = X.T.dot(X) / X.T.dot(y), но, с матрицами так нельзя. Вместо этого матрица, обратная делимому матрично умножается на частноеX_T_X_inv = np.linalg.inv(X.T.dot(X))
Если матрица содержит строки, получаемые из других строк масштабированием, обратная матрица не найдется, для этого есть псведообратные матрицы и метод pinv.
matrix_b = X_T_X_inv.dot(X.T.dot(y))Почему так?
X = np.array([[1,1,1,1,1], [1,2,3,4,5], [2,3,1,5,4]]).T y = np.array([[1.5, 1.8, 3.2, 3.6, 5.1]]).T X_T_X_inv = np.linalg.inv(X.T.dot(X)) matrix_b = X_T_X_inv.dot(X.T.dot(y)) print(f'b = {matrix_b}') # b = [ 0.5275 0.99375 -0.15625]
Посмотреть заводское решение, python
import scipy X = np.array([[1,1,1,1,1], [1,2,3,4,5], [2,3,1,5,4]]).T # Тут надо уже столбцами поставить # И добавить столбец единиц. Добавляю в начало типо k0, но без разницы y = np.array([[1.5, 1.8, 3.2, 3.6, 5.1]]).T b, squared_error_sum, matrix_rank, SVD_ = scipy.linalg.lstsq(X, y) print(b) # вообще в ЛР обычно пишут b или w, математическое k не в почёте #[[ 0.5275 ], [ 0.99375], [-0.15625]]
Добавить комментарий