Spark-MLlib-SVM源碼實(shí)現(xiàn)分析

注:MLlib中的SVM只實(shí)現(xiàn)了線性二分類雪猪。沒(méi)有非線性(核函數(shù)),也沒(méi)有多分類和回歸起愈。線性二分類的優(yōu)化過(guò)程類似于邏輯回歸。以下從三個(gè)方面進(jìn)行分析:(一)SVM的目標(biāo)函數(shù)译仗、損失函數(shù)和最優(yōu)化方法抬虽。(二)從MLlib實(shí)現(xiàn)的源碼分析模型創(chuàng)建以及優(yōu)化的過(guò)程。(三)參考ML中NaiveBayes的實(shí)現(xiàn)纵菌,探索SVM-Pipeline的實(shí)現(xiàn)思路阐污。

一、SVM 公式

1.1 目標(biāo)函數(shù)

目標(biāo)函數(shù):** y = wx **
(注:w是超平面的法向量)

1.2 損失函數(shù)

損失函數(shù):HingeGradient
公式:** avg( max(0, 1 - (2 y - 1) f_w(x))) )**
(注:0 1分類label咱圆,在svm中要轉(zhuǎn)為 -1笛辟,1 <- (2y -1))

1.3 優(yōu)化函數(shù)(隨機(jī)梯度下降)

梯度:** -(2y - 1) * x **
正則項(xiàng):** L2 = (1/2) * w^2 **
梯度更新方法:** weight = weight - lambda (gradient + regParam * weight) **

二功氨、MLlib源碼實(shí)現(xiàn)分析

下圖是SVMWithSGD的類圖,SVMWithSGD繼承了GeneralizdLinearAlgorithm手幢。run()方法會(huì)調(diào)用optimitor:GradientDescent(gradient, updater)優(yōu)化得到模型的權(quán)值參數(shù)weights捷凄,并調(diào)用createModel(weights)方法new一個(gè)SVMModel,返回SVMModel围来。

SVMWithSGD類圖

2.1 創(chuàng)建SVM模型入口

2.1.1 SVMWithSGD 伴生對(duì)象(單例對(duì)象)

org.apache.spark.mllib.classification.SVMWithSGD
??線性SVM伴生對(duì)象是SVMWithSGD跺涤,是建立SVM分類模型的入口。它定義了訓(xùn)練SVM分類模型的train方法监透。


2.1.2 GeneralizdLinearAlgorithm的run執(zhí)行模型訓(xùn)練

org.apache.spark.mllib.regression.GeneralizdLinearAlgorithm

2.2 SVMWithSGD 類設(shè)置損失函數(shù)-最優(yōu)化方法

org.apache.spark.mllib.classification.SVMWithSGD
??分別創(chuàng)建** 梯度下降方法HingeGradient ** 和 ** L2正則化權(quán)重更新方法SquaredL2Updater**桶错,兩者封裝在GradientDescent中,作為優(yōu)化器optimizer胀蛮。


2.2.1 HingeGradient

org.apache.spark.mllib.optimization.HingeGradient
??損失函數(shù):max(0, 1 - (2 y - 1) f_w(x)))
??梯度:-(2y - 1) * x

2.2.2 SquaredL2Updater

org.apache.spark.mllib.optimization.SquaredL2Updater
??梯度更新方法:** weight = weight - lambda (gradient + regParam * weight) **


2.3 優(yōu)化過(guò)程的入口:GradientDescent

org.apache.spark.mllib.optimization.GradientDescent
迭代優(yōu)化的過(guò)程如下:
while( 未收斂 并且 小于迭代次數(shù) ) {
??計(jì)算本次迭代抽樣樣本的梯度和院刁,以及損失和(調(diào)用HingeGradient
??記錄本次迭代的平均誤差(loss)
??更新權(quán)重(調(diào)用SquaredL2Updater
??判斷是否收斂

}

三、Pipeline實(shí)現(xiàn)探索

Spark MLlib的Pipeline粪狼,是指將多個(gè)機(jī)器學(xué)習(xí)的算法串聯(lián)到一個(gè)工作鏈中退腥,依次執(zhí)行各種算法;其出現(xiàn)旨在向用戶提供基于 DataFrame 之上的更加高層次的 API 庫(kù)鸳玩,以便構(gòu)建復(fù)雜的機(jī)器學(xué)習(xí)工作流式應(yīng)用阅虫。
??一個(gè) Pipeline 在結(jié)構(gòu)上會(huì)包含一個(gè)或多個(gè) PipelineStage,每一個(gè) PipelineStage 都會(huì)完成一個(gè)任務(wù)不跟,如數(shù)據(jù)集處理轉(zhuǎn)化颓帝,模型訓(xùn)練,參數(shù)設(shè)置或數(shù)據(jù)預(yù)測(cè)等窝革。

3.1 參考NaiveBayes

3.1.1 R->pkg->R->mllib.R

mllib.R中將NaiveBayesWrapper封裝為sparkR中的naiveBayes方法

3.1.2 NaiveBayesWrapper生成一個(gè)Pipeline

org.apache.spark.ml.r.NaiveBayesWrapper

3.1.3 NaiveBayes

org.apache.spark.ml.classification.NaiveBayes
??**將dataset轉(zhuǎn)成RDD购城,并New一個(gè)MLlib中的NaiveBayes來(lái)訓(xùn)練模型 **


3.2 SVM-Pipeline思考

參照以上NaiveBayes的實(shí)現(xiàn),需要在R中的mllib.R中實(shí)現(xiàn)一個(gè)setMethod的方法虐译,以及在ML里實(shí)現(xiàn)** SVMWithSGD 類和 SVMWithSGDWrapper **類瘪板。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市漆诽,隨后出現(xiàn)的幾起案子侮攀,更是在濱河造成了極大的恐慌,老刑警劉巖厢拭,帶你破解...
    沈念sama閱讀 217,084評(píng)論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件兰英,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡供鸠,警方通過(guò)查閱死者的電腦和手機(jī)畦贸,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,623評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人薄坏,你說(shuō)我怎么就攤上這事趋厉。” “怎么了胶坠?”我有些...
    開封第一講書人閱讀 163,450評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵君账,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我涵但,道長(zhǎng)杈绸,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,322評(píng)論 1 293
  • 正文 為了忘掉前任矮瘟,我火速辦了婚禮瞳脓,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘澈侠。我一直安慰自己劫侧,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,370評(píng)論 6 390
  • 文/花漫 我一把揭開白布哨啃。 她就那樣靜靜地躺著烧栋,像睡著了一般。 火紅的嫁衣襯著肌膚如雪拳球。 梳的紋絲不亂的頭發(fā)上审姓,一...
    開封第一講書人閱讀 51,274評(píng)論 1 300
  • 那天,我揣著相機(jī)與錄音祝峻,去河邊找鬼魔吐。 笑死,一個(gè)胖子當(dāng)著我的面吹牛莱找,可吹牛的內(nèi)容都是我干的酬姆。 我是一名探鬼主播,決...
    沈念sama閱讀 40,126評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼奥溺,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼辞色!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起浮定,我...
    開封第一講書人閱讀 38,980評(píng)論 0 275
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤相满,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后桦卒,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體立美,經(jīng)...
    沈念sama閱讀 45,414評(píng)論 1 313
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,599評(píng)論 3 334
  • 正文 我和宋清朗相戀三年闸盔,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片琳省。...
    茶點(diǎn)故事閱讀 39,773評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡迎吵,死狀恐怖躲撰,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情击费,我是刑警寧澤拢蛋,帶...
    沈念sama閱讀 35,470評(píng)論 5 344
  • 正文 年R本政府宣布,位于F島的核電站蔫巩,受9級(jí)特大地震影響谆棱,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜圆仔,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,080評(píng)論 3 327
  • 文/蒙蒙 一垃瞧、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧坪郭,春花似錦个从、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,713評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至沪曙,卻和暖如春奕污,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背液走。 一陣腳步聲響...
    開封第一講書人閱讀 32,852評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工碳默, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人育灸。 一個(gè)月前我還...
    沈念sama閱讀 47,865評(píng)論 2 370
  • 正文 我出身青樓腻窒,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親磅崭。 傳聞我的和親對(duì)象是個(gè)殘疾皇子儿子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,689評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容