OWLQN算法介绍，及go语言实现logistic regression优化

qm1004 · · 5250 次点击 · · 开始浏览

这是一个创建于的文章，其中的信息可能已经有所发展或是发生改变。

用logistic regression做ctr预估或则分类的同学，大家应该都知道梯度下降能够求得目标问题的最优解。但是梯度下降迭代太慢，而且不一定能求得最优解。

owlqn不仅收敛速度比梯度下降算法快很多的，而且能对L1正则化的优化问题求解，L1正则化使目标函数在变量为0时不可微。OWLQN是LBFGS在L1问题上的解决方案（因为LBFGS只能用来优化目标函数为凸的情况）。L1相对L2正则化，具有特征选择的优势。下面github的链接是我用go实现的单机owlqn算法。

https://github.com/qm1004/OWLQN

理论方面的介绍网上已经有非常好的简介了，算法的介绍主要转自下面这篇文章。

转自

http://www.cnblogs.com/downtjs/p/3222643.html

OWLQN算法

一、BFGS算法

算法思想如下：

Step1 取初始点 $x^{(0)}$ ，初始正定矩阵 $H_0$ ，允许误差 $\epsilon>0$ ，令 $k=0$ ；

Step2 计算 $p^{(k)}=-H_k \nabla f(x^{(k)})$ ；

Step3 计算 $\alpha_k>0$ ，使得

$f(x^{(k)}+\alpha_kp^{(k)})={min}\limit_{\alpha \geq 0} f(x^{(k)}+\alpha p^{(k)})$ ；

Step4 令 $x^{(k+1)}=x^{(k)}+\alpha_k p^{(k)}$ ；

Step5 如果 $||\nabla f(x^{(k+1)})|| \leq \epsilon$ ，则取 $x^{(k+1)}$ 为近似最优解；否则转下一步；

Step6 计算

$s_k=x^{(k+1)}-x^{(k)}$ ， $y_k=\nabla f(x^{(k+1)})-\nabla f(x^{(k)})$ ，

$H_{k+1}=H_k+\frac{1}{s_k^Ty_k}(1+\frac{y_k^TH_ky_k}{s_k^Ty_k})s_ks_k^T-\frac{1}{s_k^Ty_k}(s_ky_k^TH_k+H_ky_ks_k)$

令 $k=k+1$ ，转Step2.

优点：

1、不用直接计算Hessian矩阵；

2、通过迭代的方式用一个近似矩阵代替Hessian矩阵的逆矩阵。

缺点：

1、矩阵存储量为 $n^2$ ，因此维度很大时内存不可接受；

2、矩阵非稀疏会导致训练速度慢。

二、L-BFGS算法

针对BFGS的缺点，主要在于如何合理的估计出一个Hessian矩阵的逆矩阵，L-BFGS的基本思想是只保存最近的m次迭代信息，从而大大降低数据存储空间。对照BFGS，我重新整理一下用到的公式：

$\rho_k=\frac{1}{y_{k}^T s_k}$

$s_k=x_k-x_{k-1}$

$y_k=\nabla{f(x_k)}-\nabla{f(x_{k-1})}$

$V_k=I-\rho_{k}y_{k}s_{k}^T$

于是估计的Hessian矩阵逆矩阵如下：

$H_k=(I-\rho_{k-1}s_{k-1}y_{k-1}^T)H_{k-1}(I-\rho_{k-1}y_{k-1}s_{k-1}^T)+s_{k-1}\rho_{k-1}s_{k-1}^T$

$=V_{k-1}^TH_{k-1}V_{k-1}+ s_{k-1}\rho_{k-1}s_{k-1}^T$

把

$H_{k-1}=V_{k-2}^TH_{k-2}V_{k-2}+ s_{k-2}\rho_{k-2}s_{k-2}^T$

带入上式，得：

$H_k=V_{k-1}^TV_{k-2}^TH_{k-2}V_{k-2}V_{k-1}+ V_{k-1}^Ts_{k-2}\rho_{k-2}s_{k-2}^T V_{k-1}+s_{k-1}\rho_{k-1}s_{k-1}^T$

假设当前迭代为k，只保存最近的m次迭代信息，（即：从k-m~k-1），依次带入 $H$ ，得到：

公式1：

$H_k=(V_{k-1}^TV_{k-2}^T\ldots V_{k-m}^T) H_k^{0}(V_{k-m}\ldots V_{k-2}V_{k-1})$

$+ (V_{k-1}^TV_{k-2}^T\ldots V_{k-m+1}^T) S_{k-m}\rho_{k-m}S_{k-m}^T (V_{k-m}\ldots V_{k-2}V_{k-1})$

$+ (V_{k-1}^TV_{k-2}^T\ldots V_{k-m+2}^T) S_{k-m+1}\rho_{k-m+1}S_{k-m+1}^T (V_{k-m+1}\ldots V_{k-2}V_{k-1})$

$+\ldots$

$+V_{k-1}^T s_{k-2}\rho_{k-2} s_{k-2}^TV_{k-1}$

$+s_{k-1}\rho_{k-1}s_{k-1}^T$

算法第二步表明了上面推导的最终目的：找到第k次迭代的可行方向，满足：

$p_k=-H_k\nabla f(x_k)$

为了求可行方向p，有下面的:

two-loop recursion算法

$q=\nabla f(x_k)$

$for (i=1 \ldots m) \quad \quad \quad do$

$\alpha_i=\rho_{k-i}s_{k-i}^Tq$

$q=q-\alpha_iy_{k-i}$

$end \quad \quad \quad for$

$r=H_k^{0}q$

$for (i=m \ldots 1) \quad \quad \quad do$

$\beta=\rho_{k-i}y_{k-i}^Tr$

$r=r+s_{k-i}(\alpha_i-\beta)$

$end \quad \quad \quad for$

$return \quad \quad \quad r$

该算法的正确性推导：

1、令: $q_0=\nabla f(x_k)$ ，递归带入q：

$q_i=q_{i-1}-\rho_{k-i}y_{k-i}s_{k-i}^Tq_{i-1}$

$=(I-\rho_{k-i}y_{k-i}s_{k-i}^T)q_{i-1}$

$=V_{k-i}q_{i-1}$

$=V_{k-i}V_{k-i+1}q_{i-2}$

$=\ldots$

$=V_{k-i}V_{k-i+1} \ldots V_{k-1} q_0$

$=V_{k-i}V_{k-i+1} \ldots V_{k-1} \nabla f(x_k)$

相应的：

$\alpha_i=\rho_{k-i}s_{k-i}^Tq_{i-1}$

$=\rho_{k-i}s_{k-i}^T V_{k-i+1}V_{k-i+2} \ldots V_{k-1} \nabla f(x_k)$

2、令： $r_{m+1}=H_{k-m}q=H_{k-m}V_{k-i}V_{k-i+1} \ldots V_{k-1} \nabla f(x_k)$

$r_i=r_{i+1}+s_{k-i}(\alpha_i-\beta) =r_{i+1}+s_{k-i}(\alpha_i-\rho_{k-i}y_{k-i}^Tr_{i+1})$

$=s_{k-i}\alpha_i+(I-s_{k-i}\rho_{k-i}y_{k-i}^T)r_{i+1}$

$=s_{k-i}\alpha_{i}+V_{k-i}^Tr_{i+1}$

于是:

$r_1=s_{k-1}\alpha_1+V_{k-1}^Tr_2 =s_{k-1}\rho_{k-1}s_{k-1}^T \nabla f(x_k)+V_{k-1}^Tr_2$

$=s_{k-1}\rho_{k-1}s_{k-1}^T \nabla f(x_k)+V_{k-1}^T(s_{k-2}\alpha_2+V_{k-2}^Tr_3)$

$=s_{k-1}\rho_{k-1}s_{k-1}^T \nabla f(x_k)+V_{k-1}^Ts_{k-2}\rho_{k-2}s_{k-2}^TV_{k-1}\nabla f(x_k)+V_{k-1}^T V_{k-2}^T r_3$

$=\ldots$

$=s_{k-1}\rho_{k-1}s_{k-1}^T \nabla f(x_k)$

$+V_{k-1}^T s_{k-2}\rho_{k-2} s_{k-2}^TV_{k-1} \nabla f(x_k)$

$+\ldots$

$+ (V_{k-1}^TV_{k-2}^T\ldots V_{k-m+2}^T) S_{k-m+1}\rho_{k-m+1}S_{k-m+1}^T (V_{k-m+1}\ldots V_{k-2}V_{k-1}) \nabla f(x_k)$

$+ (V_{k-1}^TV_{k-2}^T\ldots V_{k-m+1}^T) S_{k-m}\rho_{k-m}S_{k-m}^T (V_{k-m}\ldots V_{k-2}V_{k-1}) \nabla f(x_k)$

$+(V_{k-1}^TV_{k-2}^T\ldots V_{k-m}^T) H_{k-m}(V_{k-m}\ldots V_{k-2}V_{k-1}) \nabla f(x_k)$

这个two-loop recursion算法的结果和公式1*初始梯度的形式完全一样，这么做的好处是：

1、只需要存储 $s_{k-i}$ 、 $y_{k-i}$ （i=1~m）；

2、计算可行方向的时间复杂度从O(n*n)降低到了O(n*m)，当m远小于n时为线性复杂度。

总结L-BFGS算法的步骤如下：

Step1: 选初始点 $x_0$ ，允许误差 $\epsilon >0$ ，存储最近迭代次数m（一般取6）；

Step2: $k=0, \quad \quad \quad H_0=I ,\quad \quad \quad r=\nabla f(x_{0})$ ；

Step3: 如果 $||\nabla f(x_{k+1})||\leq \epsilon$ 则返回最优解 $x_{k+1}$ ，否则转Step4；

Step4: 计算本次迭代的可行方向： $p_k=-r _k$ ；

Step5: 计算步长 $\alpha_k>0$ ，对下面式子进行一维搜索：

$f(x_k+\alpha_kp_k)={min}\limits_{\alpha \geq 0} \quad \quad \quad f(x_k+\alpha p_k)$ ；

Step6: 更新权重x：

$x_{k+1}=x_k+\alpha_kp_k$ ；

Step7: if k > m

只保留最近m次的向量对，需要删除( $s_{k-m},y_{k-m}$ )；

Step8: 计算并保存：

$s_k=x_{k+1}=x_k$

$y_k=\nabla f(x_{k+1})-\nabla f(x_k)$ ；

Step9: 用two-loop recursion算法求得：

$r_k=H_k\nabla f(x_k)$ ；

k=k+1，转Step3。

需要注意的地方，每次迭代都需要一个 $H_{k-m}$ ，实践当中被证明比较有效的取法为：

$H_k^0=\gamma_k I$

$\gamma_k=\frac{s_{k-1}^Ty_{k-1}}{{y_{k-1}^Ty_{k-1}}$

三、OWL-QN算法

1、问题描述

对于类似于Logistic Regression这样的Log-Linear模型，一般可以归结为最小化下面这个问题：

$J(x)=l(x)+r(x)$

其中，第一项为loss function，用来衡量当训练出现偏差时的损失，可以是任意可微凸函数（如果是非凸函数该算法只保证找到局部最优解），后者为regularization term，用来对模型空间进行限制，从而得到一个更“简单”的模型。

根据对模型参数所服从的概率分布的假设的不同，regularization term一般有：L1-norm（模型参数服从Gaussian分布）；L2-norm（模型参数服从Laplace分布）；以及其他分布或组合形式。

L2-norm的形式类似于：

$J(x)=l(x)+C\sum\limit_i{x_i^2}$

L1-norm的形式类似于：

$J(x)=l(x)+C\sum\limit_i{|x_i|}$

L1-norm和L2-norm之间的一个最大区别在于前者可以产生稀疏解，这使它同时具有了特征选择的能力，此外，稀疏的特征权重更具有解释意义。

对于损失函数的选取就不在赘述，看两幅图：

图1 - 红色为Laplace Prior，黑色为Gaussian Prior

图2 直观解释稀疏性的产生

对LR模型来说损失函数选取凸函数，那么L2-norm的形式也是的凸函数，根据最优化理论，最优解满足KKT条件，即有： $\nabla J(x^*)=0$ ，但是L1-norm的regularization term显然不可微，怎么办呢？

2、Orthant-Wise Limited-memory Quasi-Newton

OWL-QN主要是针对L1-norm不可微提出的，它是基于这样一个事实：任意给定一个维度象限，L1-norm 都是可微的，因为此时它是一个线性函数：

图3 任意给定一个象限后的L1-norm

OWL-QN中使用了次梯度决定搜索方向，凸函数不一定是光滑而处处可导的，但是它又符合类似梯度下降的性质，在多元函数中把这种梯度叫做次梯度，见维基百科http://en.wikipedia.org/wiki/Subderivative

举个例子：

File:Subderivative illustration.png

图4 次导数

对于定义域中的任何x0，我们总可以作出一条直线，它通过点(x0, f(x0))，并且要么接触f的图像，要么在它的下方。这条直线的斜率称为函数的次导数，推广到多元函数就叫做次梯度。

次导数及次微分：

凸函数f:I→R在点x0的次导数，是实数c使得：

$f(x)-f(x_0)\ge c(x-x_0)$

对于所有I内的x。可以证明，在点x0的次导数的集合是一个非空闭区间[a, b]，其中a和b是单侧极限

$a=\lim_{x\to x_0^-}\frac{f(x)-f(x_0)}{x-x_0}$

$b=\lim_{x\to x_0^+}\frac{f(x)-f(x_0)}{x-x_0}$

它们一定存在，且满足a ≤ b。所有次导数的集合[a, b]称为函数f在x0的次微分。

OWL-QN和传统L-BFGS的不同之处在于：

1)、利用次梯度的概念推广了梯度

定义了一个符合上述原则的虚梯度，求一维搜索的可行方向时用虚梯度来代替L-BFGS中的梯度：

怎么理解这个虚梯度呢？见下图：

对于非光滑凸函数，那么有这么几种情况：

图5 $\partial_i^-f(x)>0$

图6 $\partial_i^+f(x)<0$

图7 otherwise

2)、一维搜索要求不跨越象限

要求更新前权重与更新后权重同方向：

图8 OWL-QN的一次迭代

总结OWL-QN的一次迭代过程：

–Find vector of steepest descent

–Choose sectant

–Find L-BFGS quadratic approximation

–Jump to minimum

–Project back onto sectant

–Update Hessian approximation using gradient of loss alone

最后OWL-QN算法框架如下：

与L-BFGS相比，第一步用虚梯度代替梯度，第二、三步要求一维搜索不跨象限，也就是迭代前的点与迭代后的点处于同一象限，第四步要求估计Hessian矩阵时依然使用loss function的梯度（因为L1-norm的存在与否不影响Hessian矩阵的估计）。

四、参考资料

1、Galen Andrew and Jianfeng Gao. 2007. 《Scalable training of L1-regularized log-linear models》. In Proceedings of ICML, pages 33–40.

2、http://freemind.pluskid.org/machine-learning/sparsity-and-some-basics-of-l1-regularization/#d20da8b6b2900b1772cb16581253a77032cec97e

3、http://research.microsoft.com/en-us/downloads/b1eb1016-1738-4bd5-83a9-370c9d498a03/default.aspx

有疑问加站长微信联系（非本文作者）

本文来自：CSDN博客

感谢作者：qm1004

查看原文：OWLQN算法介绍，及go语言实现logistic regression优化

入群交流（和以上内容无关）：加入Go大咖交流群，或添加微信：liuxiaoyan-s 备注：入群；或加QQ群：692541889

5250 次点击

加入收藏微博

被以下专栏收入，发现更多相似内容

算法收入我的专栏

上一篇：Go语言从零学习template

下一篇：go语言检查内存泄露2

函数

可行方向

次梯度

http

0 回复

添加一条新回复（您需要登录后才能回复没有账号？）

请尽量让自己的回复能够对别人有帮助
支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
支持 @ 本站用户；支持表情（输入 : 提示），见 Emoji cheat sheet
图片支持拖拽、截图粘贴等方式上传