Logistic Regression as a Neural Network


本文部分图片截取自课程视频Nerual Networks and Deep Learning

Logistic Regression Recap

前面机器学习的课程中,我们曾介绍过Logistic Regression的概念,它主要用来解决分类的问题,比如预测结果是True或False的二元分类问题。

上图所示,我们可以将逻辑回归模型理解为只有一个神经元的神经网络,输入数据通过这个神经元后,得到一组分类结果。如果我们将x,y都用矩阵表示,则公式为

其中$\hat{y}$, $x$, $w$ 和 $b$ 皆为矩阵,$\sigma$为sigmoid函数,定义为$\sigma(z) = \frac{1}{1+e^{-z}}$。我们假设第$i$组训练样本用向量$x^{(i)}$表示,则$x^{(i)}$是$nx1$的(注意是n行1列),那么假设一共有$m$组训练样本,则样本矩阵$X$表示为

类似的$w$是一个nx1的向量,则$w^Tx$是1xm的, 对应的常数项$b$也是1xm的矩阵。对任意第$i$个训练样本,有

对所有训练集则可以使用矩阵运算来表示

对任意训练集$i$,另$a^{(i)} = \sigma(z^{(i)})$,则最后的预测结果$\hat{y}$可以表示为

因此预测结果$\hat{y}$为1xm的向量

Cost function

对于某一组训练集可知其cross-entropy loss函数为

然后我们对所有$m$组训练集都计算Loss函数,之后再求平均,则可以得到Cost function

Gradient Descent

有了Cost funciton之后,我们就可以使用梯度下降来求解$w$和$b$,使$J(w,b)$最小。梯度下降的计算方式如下

上述式子通过不断的对$w$和$b$进行求偏导,最终使其收敛为一个稳定的值,其中$\alpha$为Learning Rate,用来控制梯度下降的幅度。在后面的Python代码中,使用dw表示 $\frac{dJ(w,b)}{dw}$,db表示$\frac{dJ(w,b)}{db}$,以此类推。

Computation Graph

虽然我们有了上面的算式,但如何有效的计算它是我们接下来要讨论的问题,这里我们介绍一种使用Computation Graph的思路,所谓的Computation Graph的概念,基本思想是将每一步运算都用一个节点表示,然后将这些节点串联起来得到一个Graph,举例来说,假设有一个函数为

我们另

  • $u = bc$
  • $v = a+u$
  • $J = 3v$

则该算式的Computation Graph可以表示如下

接下来我们要思考如何对Graph中的每一项进行求导,这将是后面计算神经网络backpropagation的基础。显然如果有微积分基础的话,这并不难

  • $\frac{dJ}{dv} = 3$
  • $\frac{dJ}{du} = \frac{dJ}{dv} \times \frac{dv}{du} = 3 \times 1 = 3$
  • $\frac{dJ}{da} = \frac{dJ}{dv} \times \frac{dv}{da} = 3 \times 1 = 3$
  • $\frac{dJ}{db} = \frac{dJ}{dv} \times \frac{dv}{du} \times \frac{du}{db} = 3 \times 1 \times c = 3c$
  • $\frac{dJ}{dc} = \frac{dJ}{dv} \times \frac{dv}{du} \times \frac{du}{dc} = 3 \times 1 \times b = 3b$

在接下来的代码中,我们需要表示上面的每个导数值,其表示方式为

这种写法太过冗余,因此,如果想表示$\frac{dJ}{da}$,在代码中可直接写成da,其余同理,计算这些变量到数值的过程,可类比于神经网络的backpropagation

Loss Function

理解了Computation Graph,我们回到算梯度下降上来,我们先看一种简单的情况,假设我们只有一组训练样本,该样本中只有两个feature,$x_1$和$x_2$,我们用$w_1$和$w_2$表示两个feature对应的权重,则预测的model可以表示为

为了求解$w_1$和$w_2$,结合上面给出的Loss函数,得到生成的Computation Graph如下

注意这里使用的是Loss函数,而不是Cost函数,因为当前case为单一的样本,不涉及到所有的样本集

为了使Loss函数的值最小,我们需要使用梯度下降来计算$w_1$,$w_2$和$b$

接下来利用前面提到的求偏导的方式,一步步反向计算得到 $w_1$ 和 $w_2$的最终值,如下图所示

  • $da = \frac {dL(a,y)} {da} = - \frac{y}{a} + \frac{1-y}{1-a}$
  • $dz = \frac {dL(a,y)} {dz} = \frac {dL(a,y)}{da} \times \frac {da}{dz} = a-y$
  • $dw_1 = \frac {dL(a,y)} {dw_1} = x_1 \times dz$
  • $dw_2 = \frac {dL(a,y)} {dw_2} = x_2 \times dz$

Cost Function

接着我们可以考虑使用上述方法来计算逻辑回归的cost function,如前所述,对于任意一组的训练集,我们用$x^{(i)}$表示第i个样本, 每个样本$x^{(i)}$包含$n$个feature,则$x^{(i)}$是n x 1的,每组样本的预测结果用$\hat{y}^{(i)}$或$a^{(i)}$表示,假设整个训练集有$m$组样本,则对于cost function可以表示为

可以看到,cost函数只是loss函数的平均值,现在我们假设$n=2$,则每组样本都有两个feature,对应的$w^{(i)}$是$2\times1$的,即[w1,w2],因此对$dw_1^{(i)}$的计算只需要循环$m$次累加$\frac{d(a^{(i)}, y^{(i)})}{dw_1}$,然后求平均即可,$dw_2^{(i)}$同理

伪代码如下

J=0, dw1=0, dw2=0, db=0
for i=1 to m 
    z[i] = w.tx[i] + b
    a[i] = sigmoid(z[i])
    J += -y[i]*log(a[i]) + (1-y[i])log(1-a[i])
    dz[i] = a[i] - y[i]
    for j=1 to n
        dw[j] += x[i][j] * dz[i] #第i组样本的第j个feature
    db += dz[i]
        # if n = 2
            #dw1 += x[i][1] * dz[i]
            #dw2 += x[i][2] * dz[i]
dw1 = dw1 / m
dw2 = dw2 / m
db  = db / m

w1 = w1 - alpha*dw1
w2 = w2 - alpha*dw2
b  = b - alpha*db

上面代码展示了某一次梯度下降的计算过程

Resources

附录:Vectorization using Numpy

由于深度学习涉及大量的矩阵间的数值计算,而且数据量有很大,使用for计算时间成本太高。Vectorization是用来取代for循环的一种针对矩阵数值计算的计算方式,其底层可以通过GPU或者CPU(SIMD)的并行指令集来实现。不少数值计算库都有相应的实现,比如Python的Numpy,C++的Eigen等。

比如我们想要计算$z = w^Tx+b$,我们假设$x$和$w$都是nx1的向量,我们使用Python来对比下两种计算方式的差别

#for loop
z = 0
for i in range(1,n):
    z += w[i] * x[i]
z+=b

# use numpy
# vectorized version of doing 
# matrix multiplications
z = np.dot(w.T,x)+b 

numpy数组的另一个特点是可以做element-wise的矩阵运算,这样让我们避开了for循环的使用

a = np.ones([1,2])  #[1,1]
a = a*2 #[2,2]

接下来我们可以使用numpy重新实现以下上一节计算dw代码的for循环部分

J=0,db=0
dw = np.zeros([n,1]) 
for i=1 to m 
    #z是1xm的
    #x是nxm的
    z[i] = w.tx[i] + b
    a[i] = sigmoid(z[i])
    J += -y[i]*log(a[i]) + (1-y[i])log(1-a[i])
    dz[i] = a[i] - y[i]
    # for j=1 to n
        # dw[j] += x[i][j] * dz[i] #第i组样本的第j个feature
    dw += x[i]*dz[i]
    db += dz[i]
dw = dw/m

在前面第一节计算矩阵$Z$的式子上

如果使用numpy表示,则只需要一行代码

Z = np.dot(w.T,X) + b #b is a 1x1 number

在通过Loss函数计算w值时,我们曾给出过下面式子

训练集共有$m$,则$dz$的矩阵(1xm)表示为

另 $A = [a^{(i)}…a^{(m)}]$, $Y = [y^{(i)}…y^{(m)}]$,则

在前面求解$dw$的代码中,我们虽然将$dw$向量化后减少了一重循环,但最外层还有一个[1,m]的for循环,接下来我们也可以将这个for循环向量化。

我们的目的是求解$dw$和$d$`,其中$db$为

上述式子可以用numpy一行表示 db = 1/m * np.sum(dZ),对于$dw$,有