191 lines
7.4 KiB
Python
191 lines
7.4 KiB
Python
import time
|
|
import numpy as np
|
|
import sklearn
|
|
import matplotlib.pyplot as plt
|
|
|
|
###############################################################################
|
|
# 03-descente_gradient_stochastique.py
|
|
# @title: Fondamentaux - Apprentissage par descente de gradient stochastique
|
|
# @project: Mes scripts de ML
|
|
# @lang: fr
|
|
# @authors: Philippe Roy <philippe.roy@ac-grenoble.fr>
|
|
# @copyright: Copyright (C) 2023 Philippe Roy
|
|
# @license: GNU GPL
|
|
###############################################################################
|
|
|
|
###
|
|
# Commandes NumPy :
|
|
# - np.array : créer un tableau à partir d'une liste de listes
|
|
# - np.c_ : concatène les colonnes des tableaux
|
|
# - np.ones : créer un tableau de 1
|
|
# - np.linalg.inv : inversion de matrice
|
|
# - .T : transposé de matrice
|
|
# - .dot : produit de matrice
|
|
###
|
|
|
|
###
|
|
# Commandes Scikit-Learn :
|
|
# - sklearn.linear_model.SGDRegressor : créer un modèle de descente de gradient stochastique
|
|
# - .fit : entrainement du modèle
|
|
# - .predict : prédiction du modèle
|
|
###
|
|
|
|
###############################################################################
|
|
# Initialisation
|
|
###############################################################################
|
|
|
|
# Init du temps
|
|
t_debut = time.time()
|
|
|
|
# Init des plots
|
|
fig = plt.figure(figsize=(15, 5))
|
|
fig.suptitle("Descente de gradient stochastique")
|
|
donnees_ax = fig.add_subplot(141) # Observations : x1 et cibles : y
|
|
model_ax = fig.add_subplot(142) # Modèle : theta0, theta1
|
|
couts_ax = fig.add_subplot(143) # Coûts : RMSE, MSE, ...
|
|
app_ax = fig.add_subplot(144) # Taux d'apprentissage : eta
|
|
|
|
i_list=[] # Itération
|
|
couts_2d=[]
|
|
couts_delta=[]
|
|
couts_mse=[] # MSE
|
|
couts_rmse=[] # RMSE
|
|
eta_list=[] # Taux d'apprentissage
|
|
|
|
###############################################################################
|
|
# Observations
|
|
###############################################################################
|
|
|
|
# Observations d'apprentisage
|
|
m = 1000 # Nombre d'observations
|
|
bg = 1 # Quantité du bruit gaussien
|
|
x1 = 2*np.random.rand(m, 1) # Liste des observations x1
|
|
y = 4 + 3*x1 + bg * np.random.rand(m, 1) # Liste des cibles y
|
|
X = np.c_[np.ones((m, 1)), x1] # Matrice des observations, avec x0=1
|
|
donnees_ax.plot(x1, y, 'b.', label="Observations")
|
|
exact_solution = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y) # Equation normale
|
|
|
|
# Nouvelles observations
|
|
x1_new=np.array([[0], [2]])
|
|
X_new = np.c_[np.ones((2, 1)), x1_new] # Matrice des observations, avec x0=1
|
|
|
|
###############################################################################
|
|
# Phase d'apprentissage et d'inférence
|
|
###############################################################################
|
|
|
|
# Phase d'apprentissage par descente de gradient stochastique
|
|
# - theta : vecteur paramètres du modèle
|
|
# - gradient : gradient du coût en fonction de theta
|
|
# - eta : taux d'appentissage ici dégressif par échéancier d'apprentissage (apts_ech)
|
|
|
|
# n_epoq = 50 # Nombre d'époques
|
|
n_epoq = 2 # Nombre d'époques (hyperparamètre)
|
|
|
|
# Rédéfinition du taux d'apprentissage à partir de l'échéancier d'apprentissage
|
|
t0, t1 = 5, 50 # Facteurs de l'échéancier d'apprentissage (hyperparamètres)
|
|
def apts_ech (t):
|
|
return t0 / (t + t1)
|
|
|
|
# Calcul du coût (Mean Square Error (MSE), Root Mean Square Error (RMSE))
|
|
def mse(theta):
|
|
return np.sum((np.dot(X, theta) - y)**2)/m
|
|
def rmse(theta):
|
|
return np.sqrt(np.sum((np.dot(X, theta) - y)**2)/m)
|
|
|
|
# Initialisation aléatoire
|
|
theta= np.random.randn(2,1)
|
|
theta0=[theta[0]]
|
|
theta1=[theta[1]]
|
|
|
|
# Descente du gradient
|
|
for epoq in range (n_epoq):
|
|
for i in range(m):
|
|
i_list.append(epoq * m + i)
|
|
|
|
# Calcul du gradient du pas
|
|
idx = np.random.randint(m) # Index aléatoire
|
|
xi = X[idx : idx+1]
|
|
yi = y[idx : idx+1]
|
|
gradients = 2/1 * xi.T.dot(xi.dot(theta) - yi)
|
|
eta = apts_ech (epoq * m + i)
|
|
eta_list.append(eta)
|
|
theta = theta - eta * gradients
|
|
theta0.append(theta[0])
|
|
theta1.append(theta[1])
|
|
|
|
# Calcul de l'erreur avec la norme du vecteur 2D (Objectif -> Theta) dans le plan (theta0, theta1)
|
|
couts_2d.append(np.sqrt((theta[0]-exact_solution[0])**2+(theta[1]-exact_solution[1])**2))
|
|
|
|
# Calcul du RMSE à la main :
|
|
# FIXME : étrange, je n'ai pas le même résultat qu'avec 'couts_rmse.append(rmse(theta))'
|
|
delta = 0
|
|
for j in range (m):
|
|
delta= delta +((theta[0] + theta[1]*x1[j])-(exact_solution[0] + exact_solution[1]*x1[j]))**2
|
|
delta = np.sqrt(delta/m)
|
|
couts_delta.append(delta)
|
|
|
|
# Calcul du RMSE et du MSE par les matrices
|
|
couts_mse.append(mse(theta))
|
|
couts_rmse.append(rmse(theta))
|
|
|
|
# Prédiction du pas
|
|
# Phase d'inférence (dernier pas)
|
|
y_predict=X_new.dot(theta)
|
|
donnees_ax.plot(x1_new, y_predict, 'c-', linewidth=0.5)
|
|
|
|
###############################################################################
|
|
# Avec Scikit-Learn (skl)
|
|
###############################################################################
|
|
|
|
model_skl = sklearn.linear_model.SGDRegressor(max_iter=1000, penalty=None, eta0=0.1) # Modèle descente de gradient stochastique
|
|
model_skl.fit(x1, y.ravel()) # Entrainement
|
|
# print (model_skl.intercept_[0],model_skl.coef_[0])
|
|
y_predict_skl=model_skl.predict(x1_new) # Prédiction
|
|
|
|
###############################################################################
|
|
# Résultats
|
|
###############################################################################
|
|
|
|
# Plot des données
|
|
donnees_ax.set_title("Données")
|
|
donnees_ax.plot(x1_new, y_predict, 'r-', label="Prédictions")
|
|
donnees_ax.plot(x1_new, y_predict_skl, 'y-', label="Prédictions - Scikit-Learn")
|
|
donnees_ax.set_xlabel(r'$x_1$')
|
|
donnees_ax.set_ylabel(r'$y$', rotation=0)
|
|
donnees_ax.legend()
|
|
|
|
# Plot des paramètres du modèle
|
|
model_ax.set_title("Paramètres du modèle")
|
|
model_ax.plot(theta0, theta1, '.', ls=':', color='r', fillstyle='none', label="Chemin", markevery=10)
|
|
model_ax.plot(exact_solution[0], exact_solution[1], "o", color='k', fillstyle='full', label="Equation normale")
|
|
model_ax.set_xlabel(r'$\theta_0$')
|
|
model_ax.set_ylabel(r'$\theta_1 $', rotation=0)
|
|
model_ax.legend()
|
|
|
|
# Plot du coût
|
|
couts_ax.set_title("Coûts")
|
|
couts_ax.plot(i_list, couts_2d, '.', ls=':', color='c', fillstyle='none', label="Coûts vecteur 2D", markevery=10)
|
|
couts_ax.plot(i_list, couts_delta, '.', ls=':', color='r', fillstyle='none', label="Coûts RMSE à la main", markevery=10)
|
|
couts_ax.plot(i_list, couts_mse, '.', ls=':', color='b', fillstyle='none', label="Coûts MSE", markevery=10)
|
|
couts_ax.plot(i_list, couts_rmse, '.', ls=':', color='g', fillstyle='none', label="Coûts RMSE", markevery=10)
|
|
# couts_ax.plot(couts_i, couts_rmse, color='g', label="Coûts RMSE")
|
|
couts_ax.set_xlabel(r'$i$')
|
|
couts_ax.set_ylabel("Coûts")
|
|
couts_ax.legend()
|
|
|
|
# Plot du taux d'apprentissage
|
|
app_ax.set_title("Taux d'apprentissage")
|
|
app_ax.plot(i_list, eta_list, '.', ls=':', color='b', fillstyle='none', label="Taux d'apprentissage", markevery=10)
|
|
app_ax.set_xlabel(r'$i$')
|
|
app_ax.set_ylabel(r'$\eta$', rotation=0)
|
|
# app_ax.legend()
|
|
|
|
plt.show()
|
|
|
|
# Performances
|
|
print ("Theta th : theta0 : "+str(4)+" ; theta1 : "+str(3))
|
|
print ("Theta skl : theta0 : "+str(round(float(model_skl.intercept_[0]),3))+" ; theta1 : "+str(round(float(model_skl.coef_[0]),3)))
|
|
print ("Theta : theta0 : "+str(round(float(theta[0]),3))+" ; theta1 : "+str(round(float(theta[1]),3)))
|
|
print ("Erreurs : theta0 : "+str(round(float(theta[0]-4),3))+" ; theta1 : "+str(round(float(theta[1]-3),3)))
|
|
print ("Temps : "+str(time.time()-t_debut))
|