rxFastLinear: modelo lineal rápido con ascenso estocástico dual de coordenadas

Artículo
05/23/2023

Instructor de optimización del ascenso estocástico dual de coordenadas (SDCA) para la regresión y clasificación binaria lineal.

rxFastLinear es un instructor basado en el método de ascenso estocástico dual de coordenadas (SDCA), una técnica de optimización de última generación para las funciones objetivas convexas. El algoritmo se puede escalar para su uso en grandes conjuntos de datos sin memoria debido a una implementación semiasincronizada que admite varios subprocesos. las actualizaciones primarias y duales en un subproceso independiente. También se proporcionan varias opciones de funciones de pérdida. El método SDCA combina varias de las mejores propiedades y funcionalidades de la regresión logística y los algoritmos SVM. Para obtener más información sobre el método SDCA, vea las citas de la sección de referencias.

Los algoritmos de optimización tradicionales, como el descenso por gradiente estocástico (SGD), optimizan directamente la función de pérdida empírica. El SDCA elige un enfoque diferente que optimiza el problema dual en su lugar. La función de pérdida dual se parametriza mediante pesos por ejemplo. En cada iteración, cuando se lee un ejemplo de entrenamiento del conjunto de datos de entrenamiento, se ajusta el peso del ejemplo correspondiente para que la función de pérdida dual se optimice con respecto al ejemplo actual. El SDCA no necesita ninguna velocidad de aprendizaje para determinar el tamaño del paso tal y como lo requieren varios métodos de descenso por gradiente.

rxFastLinear actualmente admite la clasificación binaria con tres tipos de funciones de pérdida: pérdida de registros, pérdida de bisagra y pérdida de bisagra suavizada. La regresión lineal también admite la función de pérdida cuadrada. La regularización de red elástica se puede especificar mediante los parámetros l2Weight y l1Weight. Tenga en cuenta que l2Weight tiene un efecto en la velocidad de convergencia. En general, cuanto mayor sea l2Weight, más rápido convergerá SDCA.

Tenga en cuenta que rxFastLinear es un algoritmo estocástico y de optimización de transmisión. Los resultados dependen del orden de los datos de entrenamiento. Para obtener resultados reproducibles, se recomienda establecer shuffle en FALSE y trainThreads en 1.

Uso

  rxFastLinear(formula = NULL, data, type = c("binary", "regression"),
    lossFunction = NULL, l2Weight = NULL, l1Weight = NULL,
    trainThreads = NULL, convergenceTolerance = 0.1, maxIterations = NULL,
    shuffle = TRUE, checkFrequency = NULL, normalize = "auto",
    mlTransforms = NULL, mlTransformVars = NULL, rowSelection = NULL,
    transforms = NULL, transformObjects = NULL, transformFunc = NULL,
    transformVars = NULL, transformPackages = NULL, transformEnvir = NULL,
    blocksPerRead = rxGetOption("blocksPerRead"),
    reportProgress = rxGetOption("reportProgress"), verbose = 1,
    computeContext = rxGetOption("computeContext"),
    ensemble = ensembleControl(), ...)

Argumentos

`formula`

Se refiere a la fórmula que se describe en rxFormula. Los términos de interacción y F() actualmente no se admiten en MicrosoftML.

`data`

Objeto de origen de datos o cadena de caracteres que especifica un archivo .xdf o un objeto de trama de datos.

`type`

Especifica el tipo de modelo con una cadena de caracteres: "binary" para la clasificación binaria predeterminada o "regression" para la regresión lineal.

`lossFunction`

Especifica la función de pérdida empírica que se optimizará. Para la clasificación binaria, están disponibles las siguientes opciones:

logLoss: pérdida de registro. Este es el valor predeterminado.
hingeLoss: pérdida de bisagra de SVM. Su parámetro representa el tamaño del margen.
smoothHingeLoss: pérdida de bisagra suavizada. Su parámetro representa la constante de suavizado.
En el caso de la regresión lineal, actualmente se admite squaredLoss de pérdida cuadrada. Cuando este parámetro se establece en NULL, su valor predeterminado depende del tipo de aprendizaje:
logLoss para la clasificación binaria.
squaredLoss para la regresión lineal.

`l2Weight`

Especifica el peso de regularización L2. El valor debe ser no negativo o NULL. Si se especifica NULL, el valor real se calcula automáticamente en función del conjunto de datos. El valor predeterminado es NULL.

`l1Weight`

Especifica el peso de regularización L1. El valor debe ser no negativo o NULL. Si se especifica NULL, el valor real se calcula automáticamente en función del conjunto de datos. El valor predeterminado es NULL.

`trainThreads`

Especifica cuántos subprocesos simultáneos se pueden usar para ejecutar el algoritmo. Cuando este parámetro se establece en NULL, el número de subprocesos usados se determina en función del número de procesadores lógicos disponibles para el proceso, así como de la dispersión de los datos. Establézcalo en 1 para ejecutar el algoritmo en un único subproceso.

`convergenceTolerance`

Especifica el umbral de tolerancia utilizado como criterio de convergencia. Debe estar entre 0 y 1. El valor predeterminado es 0.1. Se considera que el algoritmo ha convergido si la diferencia de dualidad relativa, que es la relación entre la diferencia de dualidad y la pérdida primaria, está por debajo de la tolerancia de convergencia especificada.

`maxIterations`

Especifica un límite superior en el número de iteraciones de entrenamiento. Este parámetro debe ser positivo o NULL. Si se especifica NULL, el valor real se calcula automáticamente en función del conjunto de datos. Cada iteración requiere un paso completo sobre los datos de entrenamiento. El entrenamiento finaliza una vez que el número total de iteraciones alcanza el límite superior especificado o cuando converge la función de pérdida, lo que ocurra primero.

`shuffle`

Especifica si se ordenan aleatoriamente los datos de entrenamiento. Establezca este valor en TRUE para ordenar aleatoriamente los datos y en FALSE para no ordenarlos aleatoriamente. El valor predeterminado es TRUE. El SDCA es un algoritmo de optimización estocástico. Si se activa el orden aleatorio, los datos de entrenamiento se ordenan aleatoriamente en cada iteración.

`checkFrequency`

Número de iteraciones después de las cuales la función de pérdida se calcula y se comprueba para determinar si ha convergido. El valor especificado debe ser un entero positivo o NULL. Si es NULL, el valor real se calcula automáticamente en función del conjunto de datos. De lo contrario, por ejemplo, si se especifica checkFrequency = 5, el cálculo de la función de pérdida y la comprobación de la convergencia se realizan cada 5 iteraciones. El cálculo de la función de pérdida requiere un paso completo independiente sobre los datos de entrenamiento.

`normalize`

Especifica el tipo de normalización automática que se usa:

"auto": si la normalización es necesaria, se realiza automáticamente. Este es el valor predeterminado.
"no": no se realiza ninguna normalización.
"yes": se lleva a cabo la normalización.
"warn": si la normalización es necesaria, se muestra un mensaje de advertencia, pero no se lleva a cabo la normalización.
La normalización aplica una escala estándar a intervalos de datos dispares. El escalado de características asegura que las distancias entre los puntos de datos sean proporcionales y permite que varios métodos de optimización, como el descenso del gradiente, converjan mucho más rápido. Si se lleva a cabo la normalización, se usa un normalizador MaxMin. Normaliza los valores de un intervalo [a, b], donde -1 <= a <= 0, 0 <= b <= 1 y b - a = 1. Este normalizador mantiene la dispersión asignando cero a cero.

`mlTransforms`

Especifica una lista de transformaciones de MicrosoftML que deben realizarse en los datos antes del entrenamiento, o bien NULL si no hay que realizar ninguna transformación. Consulte featurizeText, categorical y categoricalHash para saber cuáles son las transformaciones compatibles. Estas transformaciones se realizan después de cualquier transformación de R especificada. El valor predeterminado es NULL.

`mlTransformVars`

Especifica un vector de caracteres de nombres de variable que deben usarse en mlTransforms, o NULL si no hay que usar ninguno. El valor predeterminado es NULL.

`rowSelection`

Especifica las filas (observaciones) del conjunto de datos que debe usar el modelo con el nombre de una variable lógica del conjunto de datos (entre comillas) o con una expresión lógica que usa variables en el conjunto de datos. Por ejemplo, rowSelection = "old" solo usará observaciones en las que el valor de la variable old sea TRUE. rowSelection = (age > 20) & (age < 65) & (log(income) > 10) solo usa observaciones en las que el valor de la variable age está entre 20 y 65, y el valor de log de la variable income es mayor que 10. La selección de fila se realiza después de procesar las transformaciones de datos (vea los argumentos transforms o transformFunc). Al igual que con todas las expresiones, rowSelection se puede definir fuera de la llamada de función mediante la función de expresión.

`transforms`

Expresión del formulario list(name = expression, ``...) que representa la primera ronda de transformaciones de variables. Al igual que con todas las expresiones, transforms (o rowSelection) se puede definir fuera de la llamada de función mediante la función de expresión.

`transformObjects`

Lista con nombre que contiene objetos a los que pueden hacer referencia transforms, transformsFunc y rowSelection.

`transformFunc`

Función de transformación de variables. Consulte rxTransform para más detalles.

`transformVars`

Vector de caracteres de variables del conjunto de datos de entrada necesarias para la función de transformación. Consulte rxTransform para más detalles.

`transformPackages`

Vector de caracteres que especifica paquetes de R adicionales (aparte de los especificados en rxGetOption("transformPackages")) que deben cargarse previamente y estar disponibles para usarlos en las funciones de transformación de variables. Por ejemplo, los definidos explícitamente en las funciones de RevoScaleR mediante los argumentos transforms y transformFunc, o los definidos implícitamente con los argumentos formula o rowSelection. El argumento transformPackages también puede ser NULL, que indica que no se cargan previamente más paquetes aparte de los de rxGetOption("transformPackages").

`transformEnvir`

Entorno definido por el usuario que sirve como primario de todos los entornos desarrollados internamente y que se usa para la transformación de datos variables. Si transformEnvir = NULL, un entorno "hash" nuevo con baseenv() primario se usa en su lugar.

`blocksPerRead`

Especifica el número de bloques que se leerán para cada fragmento de datos leídos del origen de datos.

`reportProgress`

Valor entero que especifica el nivel de notificación del progreso del procesamiento de filas:

0: no se notifica el progreso.
1: se imprime y actualiza el número de filas procesadas.
2: se notifican las filas procesadas y los intervalos.
3: se notifican las filas procesadas y todos los intervalos.

`verbose`

Valor entero que especifica la cantidad de salida deseada. Si es 0, no se imprime ninguna salida detallada durante los cálculos. Los valores enteros de 1 a 4 proporcionan cantidades crecientes de información.

`computeContext`

Establece el contexto en el que se ejecutan los cálculos, especificado con un RxComputeContext válido. Actualmente, se admiten los contextos de proceso local y RxInSqlServer.

`ensemble`

Parámetros de control para la formación de conjuntos.

`...`

Argumentos adicionales que se pasarán directamente al motor de proceso de Microsoft.

Value

rxFastLinear: objeto rxFastLinear con el modelo entrenado.

FastLinear: objeto de especificación de aprendiz de clase maml para el instructor del modelo lineal rápido.

Notas

Este algoritmo es de varios subprocesos y no intentará cargar todo el conjunto de datos en la memoria.

Autores

Microsoft Corporation Microsoft Technical Support

Referencias

Scaling Up Stochastic Dual Coordinate Ascent

Stochastic Dual Coordinate Ascent Methods for Regularized Loss Minimization

Consulte también

logLoss, hingeLoss, smoothHingeLoss, squaredLoss, rxFastTrees, rxFastForest, rxLogisticRegression, rxNeuralNet, rxOneClassSvm, featurizeText, categorical, categoricalHash, rxPredict.mlModel.

Ejemplos


 # Train a binary classiication model with rxFastLinear
 res1 <- rxFastLinear(isCase ~ age + parity + education + spontaneous + induced,
                   transforms = list(isCase = case == 1),
                   data = infert,
                   type = "binary")
 # Print a summary of the model
 summary(res1)

 # Score to a data frame
 scoreDF <- rxPredict(res1, data = infert, 
     extraVarsToWrite = "isCase")

 # Compute and plot the Radio Operator Curve and AUC
 roc1 <- rxRoc(actualVarName = "isCase", predVarNames = "Probability", data = scoreDF) 
 plot(roc1)
 rxAuc(roc1)

 #########################################################################
 # rxFastLinear Regression

 # Create an xdf file with the attitude data
 myXdf <- tempfile(pattern = "tempAttitude", fileext = ".xdf")
 rxDataStep(attitude, myXdf, rowsPerRead = 50, overwrite = TRUE)
 myXdfDS <- RxXdfData(file = myXdf)

 attitudeForm <- rating ~ complaints + privileges + learning + 
     raises + critical + advance

 # Estimate a regression model with rxFastLinear 
 res2 <- rxFastLinear(formula = attitudeForm,  data = myXdfDS, 
     type = "regression")

 # Score to data frame
 scoreOut2 <- rxPredict(res2, data = myXdfDS, 
     extraVarsToWrite = "rating")

 # Plot the rating versus the score with a regression line
 rxLinePlot(rating~Score, type = c("p","r"), data = scoreOut2)

 # Clean up   
 file.remove(myXdf)

Compartir a través de