mes-scripts-de-ml/01-fondamentaux/04-descente_gradient_mini-lots.py
2023-06-24 09:13:47 +02:00

199 lines
7.4 KiB
Python

import time
import numpy as np
import matplotlib.pyplot as plt
###############################################################################
# 04-descente_gradient_mini-lots.py
# @title: Fondamentaux - Apprentissage par descente de gradient par mini-lots
# @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
###
###############################################################################
# Initialisation
###############################################################################
# Init du temps
t_debut = time.time()
# Init des plots
fig = plt.figure(figsize=(15, 5))
fig.suptitle("Descente de gradient par mini-lots")
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 (ech_app)
# n_epoq = 50 # Nombre d'époques
n_epoq = 20 # Nombre d'époques (hyperparamètre)
lot_taille = 20 # Taille d'un mini-lot (hyperparamètre)
# def mini_batch_gradient_descent():
# n_iterations = 50
# minibatch_size = 20
# t0, t1 = 200, 1000
# thetas = np.random.randn(2, 1)
# thetas_path = [thetas]
# t = 0
# for epoch in range(n_iterations):
# shuffled_indices = np.random.permutation(m)
# X_b_shuffled = X_b[shuffled_indices]
# y_shuffled = y[shuffled_indices]
# for i in range(0, m, minibatch_size):
# t += 1
# xi = X_b_shuffled[i:i+minibatch_size]
# yi = y_shuffled[i:i+minibatch_size]
# gradients = 2*xi.T.dot(xi.dot(thetas) - yi)/minibatch_size
# eta = learning_schedule(t, t0, t1)
# thetas = thetas - eta*gradients
# thetas_path.append(thetas)
# Rédéfinition du taux d'apprentissage à partir de l'échéancier d'apprentissage
# t0, t1 = 200, 1000
t0, t1 = 5, 50 # Facteurs de l'échéancier d'apprentissage (hyperparamètres)
def ech_app (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):
# Mélange des observations
indices_melange = np.random.permutation(m)
X_melange = X[indices_melange]
y_melange = y[indices_melange]
for i in range(0, m, lot_taille):
i_list.append(epoq * (m/lot_taille) + i/lot_taille)
# Calcul du gradient du pas
xi = X_melange[i:i+lot_taille]
yi = y_melange[i:i+lot_taille]
gradients = 2*xi.T.dot(xi.dot(theta) - yi)/lot_taille
eta = ech_app (epoq * (m/lot_taille) + i/lot_taille)
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)
###############################################################################
# Résultats
###############################################################################
# Plot des données
donnees_ax.set_title("Données")
donnees_ax.plot(x1_new, y_predict, 'r-', label="Prédictions")
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 $', rotation=0)
model_ax.legend()
# Plot du coût
couts_ax.set_title("Coûts")
couts_ax.plot(i_list, couts_2d, '.', ls=':', color='c', fillstyle='none', label="Coûts vecteur 2D", markevery=10)
couts_ax.plot(i_list, couts_delta, '.', ls=':', color='r', fillstyle='none', label="Coûts RMSE à la main", markevery=10)
couts_ax.plot(i_list, couts_mse, '.', ls=':', color='b', fillstyle='none', label="Coûts MSE", markevery=10)
couts_ax.plot(i_list, couts_rmse, '.', ls=':', color='g', fillstyle='none', label="Coûts RMSE", markevery=10)
couts_ax.set_xlabel(r'$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 : 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))