Próbuję napisać własny algorytm zwiększania gradientu. Rozumiem, że są istniejące pakiety, jak gbm
i xgboost,
, ale chciałam zrozumieć, jak działa algorytm pisząc własną rękę.
Korzystam z iris
zestawu danych, a mój wynik jest Sepal.Length
(ciągły). Moja funkcja straty to mean(1/2*(y-yhat)^2)
(w zasadzie średni błąd kwadratu z 1/2 z przodu), więc mój odpowiedni gradient jest tylko resztkowy y - yhat
. Inicjuję prognozy na 0.
library(rpart)
data(iris)
#Define gradient
grad.fun <- function(y, yhat) {return(y - yhat)}
mod <- list()
grad_boost <- function(data, learning.rate, M, grad.fun) {
# Initialize fit to be 0
fit <- rep(0, nrow(data))
grad <- grad.fun(y = data$Sepal.Length, yhat = fit)
# Initialize model
mod[[1]] <- fit
# Loop over a total of M iterations
for(i in 1:M){
# Fit base learner (tree) to the gradient
tmp <- data$Sepal.Length
data$Sepal.Length <- grad
base_learner <- rpart(Sepal.Length ~ ., data = data, control = ("maxdepth = 2"))
data$Sepal.Length <- tmp
# Fitted values by fitting current model
fit <- fit + learning.rate * as.vector(predict(base_learner, newdata = data))
# Update gradient
grad <- grad.fun(y = data$Sepal.Length, yhat = fit)
# Store current model (index is i + 1 because i = 1 contain the initialized estiamtes)
mod[[i + 1]] <- base_learner
}
return(mod)
}
Dzięki temu podzieliłem iris
zestaw danych na zestaw danych szkoleniowych i testowych i dopasowałem do niego mój model.
train.dat <- iris[1:100, ]
test.dat <- iris[101:150, ]
learning.rate <- 0.001
M = 1000
my.model <- grad_boost(data = train.dat, learning.rate = learning.rate, M = M, grad.fun = grad.fun)
Teraz obliczam przewidywane wartości na podstawie my.model
. Dla my.model
dopasowanych wartości są 0 (vector of initial estimates) + learning.rate * predictions from tree 1 + learning rate * predictions from tree 2 + ... + learning.rate * predictions from tree M
.
yhats.mymod <- apply(sapply(2:length(my.model), function(x) learning.rate * predict(my.model[[x]], newdata = test.dat)), 1, sum)
# Calculate RMSE
> sqrt(mean((test.dat$Sepal.Length - yhats.mymod)^2))
[1] 2.612972
mam parę pytań
- Czy mój algorytm zwiększania gradientu wygląda poprawnie?
- Czy
yhats.mymod
poprawnie wyliczyłem przewidywane wartości ?