通过 Continual Learning 提高 ML.NET 模型准确性并增强性能
从事机器学习的学者大多认为持续学习(Continual Learning)是迈向人工智能的根本一步。持续学习是模型模仿人类在整个生命周期中不断从数据流中学习、微调、转移知识和技能的能力。实际上,这意味着模型在进入新数据时能自主学习和适应生产。过去提出自动自适应学习(Auto-adaptive Learning),或持续自动机器学习(Continual AutoML)就是出于对这项能力的支持。在机器学习中,目标是通过生产环境部署模型,通过持续学习,我们希望使用进入生产环境的数据,并激活训练过程重新训练模型。
持续学习带来的好处是显而易见的,典型的就是商品销售推荐。随着不同时期客户流量的特点热销商品会发生变化,比如以往在运动季节买饮料的客户,过了几个月会慢慢改成买纯净水了,这个过程不是突然转变的,如果没有持续学习的机制让推荐模型适应,那就要等到人为感知到模型的不准确,然后再重新收集数据训练新模型,这样一来不仅要耗费专门的时间处理,还错过了好的销售时机。
持续学习最重要的构件之一就是 AutoML,当我们有了预处理后的数据集或数据流,也设计好了在管道中训练的流程闭环,AutoML 才会发挥价值,在算法种类、超参数、迭代方式、内存消耗、指标、准确性等方面择优平衡。ML.NET 在 1.x 版本后就已经具备了 AutoML 的特性,这在我以前的文章介绍过了。这次仅介绍 ML.NET 是怎么开展重新训练步骤的。
到目前已知 ML.NET 中重新训练支持以下这些算法:
- AveragedPerceptronTrainer
- FieldAwareFactorizationMachineTrainer
- LbfgsLogisticRegressionBinaryTrainer
- LbfgsMaximumEntropyMulticlassTrainer
- LbfgsPoissonRegressionTrainer
- LinearSvmTrainer
- OnlineGradientDescentTrainer
- SgdCalibratedTrainer
- SgdNonCalibratedTrainer
- SymbolicSgdLogisticRegressionBinaryTrainer
以回归算法训练的模型为例,假设我们已经有了如下的训练过程:
// Define data preparation estimator IEstimator<ITransformer> dataPrepEstimator = mlContext.Transforms.Concatenate("Features", new string[] { "Size", "Prices" }) .Append(mlContext.Transforms.NormalizeMinMax("Features")); // Create data preparation transformer ITransformer dataPrepTransformer = dataPrepEstimator.Fit(data); // Define OnlineGradientDescent regression algorithm estimator var ogdEstimator = mlContext.Regression.Trainers.OnlineGradientDescent(); // Pre-process data using data prep operations IDataView transformedData = dataPrepTransformer.Transform(data); // Train regression model RegressionPredictionTransformer<LinearRegressionModelParameters> trainedModel = ogdEstimator.Fit(transformedData);
保存数据准备管道和已训练的模型,我们一般使用以下方式:
// Save Data Prep transformer mlContext.Model.Save(dataPrepTransformer, data.Schema, "data_preparation_pipeline.zip"); // Save Trained Model mlContext.Model.Save(trainedModel, transformedData.Schema, "model.zip");
当我们开始要重新训练前,反过来要先加载预训练的模型,使用以下代码:
// Create MLContext MLContext mlContext = new MLContext(); // Define DataViewSchema of data prep pipeline and trained model DataViewSchema dataPrepPipelineSchema, modelSchema; // Load data preparation pipeline ITransformer dataPrepPipeline = mlContext.Model.Load("data_preparation_pipeline.zip", out dataPrepPipelineSchema); // Load trained model ITransformer trainedModel = mlContext.Model.Load("model.zip", out modelSchema);
然后就可以提取预训练的模型参数,加载模型后,通过访问预训练模型的 Model 属性来提取已学习的模型参数。
// Extract trained model parameters LinearRegressionModelParameters originalModelParameters = ((ISingleFeaturePredictionTransformer<object>)trainedModel).Model as LinearRegressionModelParameters;
重新训练模型的过程与训练模型的过程没有什么不同。 唯一的区别是,除了数据之外,Fit 方法还将原始学习模型参数作为输入,并将它们用作重新训练过程的起点。
//Load New Data IDataView newData = mlContext.Data.LoadFromEnumerable<SomeData>(someData); // Preprocess Data IDataView transformedNewData = dataPrepPipeline.Transform(newData); // Retrain model RegressionPredictionTransformer<LinearRegressionModelParameters> retrainedModel = mlContext.Regression.Trainers.OnlineGradientDescent() .Fit(transformedNewData, originalModelParameters);
当然我们总是想比较一下模型参数,看看是否真的进行了重新训练。一种方法是比较重新训练模型的参数是否与原始模型的参数不同。 下面的代码示例将原始模型与重新训练模型的权重进行比较,并将它们输出到控制台。
// Extract Model Parameters of re-trained model LinearRegressionModelParameters retrainedModelParameters = retrainedModel.Model as LinearRegressionModelParameters; // Inspect Change in Weights var weightDiffs = originalModelParameters.Weights.Zip( retrainedModelParameters.Weights, (original, retrained) => original - retrained).ToArray(); Console.WriteLine("Original | Retrained | Difference"); for(int i=0;i < weightDiffs.Count();i++) { Console.WriteLine($"{originalModelParameters.Weights[i]} | {retrainedModelParameters.Weights[i]} | {weightDiffs[i]}"); }
下表演示了比较模型参数的输出效果, 从表格中反映了四项参数权重发生了调整:
原始 | 重新训练后 | 差值 |
33039.86 | 56293.76 | -23253.9 |
29099.14 | 49586.03 | -20486.89 |
28938.38 | 48609.23 | -19670.85 |
30484.02 | 53745.43 | -23261.41 |