# Alink漫談(十二) ：線上學習演算法FTRL 之 整體設計 [Toc] ## 0x00 摘要 Alink 是阿里巴巴基於實時計算引擎 Flink 研發的新一代機器學習演算法平臺，是業界首個同時支援批式演算法、流式演算法的機器學習平臺。本文和下文將介紹線上學習演算法FTRL在Alink中是如何實現的，希望對大家有所幫助。 ## 0x01概念 因為 Alink 實現的是 LR + FTRL，所以我們需要從邏輯迴歸 LR 開始介紹。 ### 1.1 邏輯迴歸 Logistic Regression 雖然被稱為迴歸，但其實際上是分類模型，並常用於二分類。Logistic 迴歸的本質是：假設資料服從這個分佈，然後使用極大似然估計做引數的估計。 **邏輯迴歸的思路**是，先擬合決策邊界(不侷限於線性，還可以是多項式)，再建立這個邊界與分類的概率聯絡，從而得到了二分類情況下的概率。 #### 1.1.1 推導過程 我們從線性迴歸開始說起。某些情況下，使用線性的函式來擬合規律後取閾值的辦法是行不通的。行不通的原因在於擬合的函式太直，離群值(也叫異常值)對結果的影響過大。但是我們的整體思路是沒有錯的，錯的是用太"直"的擬合函式，如果我們用來擬合的函式是非線性的，不這麼直，是不是就好一些呢? 所以我們下面來做兩件事: - 找到一個辦法解決掉迴歸的函式嚴重受離群值影響的辦法. - 選定一個閾值. 對於第一件事，我們用sigmod函式把**迴歸函式掰彎**。 對於二分類問題，1表示正例，0表示負例。邏輯迴歸是線上性函式輸出預測實際值的基礎上，尋找一個假設函式函式h_θ(x) = g(θ，x)，將實際值對映到到0，1之間。邏輯迴歸中選擇對數機率函式（logistic function）作為啟用函式，對數機率函式是Sigmoid函式（形狀為S的函式）的重要代表。 對於第二件事，我們選定閾值是0.5。 意思就是，當我選閾值為0.5，那麼小於0.5的一定是負例，哪怕他是0.49。此時我們判斷一個樣本為負例一定是準確的嗎？其實不一定，因為它還是有49%的概率為正例的。但是，即便它是正例的概率為0.1，則我們隨機選擇1w個樣本來做預測，還是會有接近100個預測它是負例結果它實際是正例的誤差。無論怎麼選，誤差都是存在的，所以我們選定閾值就是在選擇可以接受誤差的程度。 #### 1.1.2 求解 到這裡，邏輯迴歸的由來我們就基本理清楚了，我們知道邏輯迴歸的判別函式就是 $$ h(z) = \frac{1}{1+e^{-x}},z = W^TX $$ 如何求解邏輯迴歸？也就是如何找到一組可以讓 h(z) 全都預測正確概率最大的W。 求解邏輯迴歸的方法有非常多，我們這裡主要聊下梯度下降和牛頓法。優化的主要目標是找到一個方向，引數朝這個方向移動之後使得損失函式的值能夠減小，這個方向往往由一階偏導或者二階偏導各種組合求得。 梯度下降是通過 J(w) 對 w 的一階導數來找下降方向，並且以迭代的方式來更新引數。 牛頓法的基本思路是，在現有極小點估計值的附近對 J(w) 做二階泰勒展開，進而找到極小點的下一個估計值。 #### 1.1.3 隨機梯度下降 當樣本資料裡N很大的時候，通常採用的是隨機梯度下降法，演算法如下所示： ```python while { for i in range(0,m): w_j = w_j + a * g_j } ``` 隨機梯度下降的好處是可以實現分散式並行化，具體計算流程是： 1. 在每次迭代的時候，隨機抽樣一定比例的樣本作為當前迭代的計算樣本。 2. 對計算樣本中的每一個樣本，分別計算不同特徵的計算梯度。 3. 通過聚合函式，對所有計算樣本的特徵的梯度進行累加，得到每一個特徵的累積梯度以及損失。 4. 最後根據最新的梯度以及之前的引數，對引數進行更新。 5. 根據更新的引數計算損失函式誤差值，如果損失函式誤差值達到允許的範圍，那麼停止迭代，否則重複步驟1 ### 1.2 LR的平行計算 從邏輯迴歸的求解方法中我們可以發現這些演算法都是需要計算梯度的，因此邏輯迴歸的並行化最主要的就是對目標函式梯度計算的並行化。 我們看到目標函式的梯度向量計算中只需要進行向量間的點乘和相加，可以很容易將每個迭代過程拆分成相互獨立的計算步驟，由不同的節點進行獨立計算，然後歸併計算結果。 所以並行 LR 實際上就是在求解損失函式最優解的過程中，針對尋找損失函式下降方向中的梯度方向計算作了並行化處理，而在利用梯度確定下降方向的過程中也可以採用並行化。 如果將樣本矩陣按行劃分，將樣本特徵向量分佈到不同的計算節點，由各計算節點完成自己所負責樣本的點乘與求和計算，然後將計算結果進行歸併，則實現了“ 按行 並行的LR”。 按行並行的LR解決了樣本數量的問題，但是實際情況中會存在針對高維特徵向量進行邏輯迴歸的場景（如廣告系統中的特徵維度高達上億），僅僅按行進行並行處理，無法滿足這類場景的需求，因此還需要 按列 將高維的特徵向量拆分成若干小的向量進行求解。 ### 1.3 傳統機器學習 傳統的機器學習開發流程基本是以下步驟： 1. 資料融合，獲取訓練以及評估資料集。 2. 特徵工程。 3. 構建模型，比如LR，FM等。 4. 訓練模型，獲得最優解。 5. 評估模型效果。 6. 儲存模型，並在線上使用訓練的有效模型進行訓練。 這種方式主要存在兩個瓶頸： 1. 模型更新週期慢，不能有效反映線上的變化，最快小時級別，一般是天級別甚至周級別。 2. 模型引數少，預測的效果差；模型引數多線上predict的時候需要記憶體大，QPS無法保證。 比如，傳統Batch演算法中每次迭代對全體訓練資料集進行計算（例如計算全域性梯度），**優點是精度和收斂還可以，缺點是無法有效處理大資料集（此時全域性梯度計算代價太大），且沒法應用於資料流做線上學習。** 針對這些問題，一般而言有兩種解決方式： - 對1採用On-line-learning的演算法。 - 對2採用一些優化的方法，在保證精度的前提下，儘量獲取稀疏解，從而降低模型引數的數量。 ### 1.4 線上學習 線上學習 ( OnlineLearningOnlineLearning ) 代表了一系列機器學習演算法，特點是每來一個樣本就能訓練，能夠根據線上反饋資料，實時快速地進行模型調整，使得模型及時反映線上的變化，提高線上預測的準確率。 傳統的訓練方法在模型訓練上線後，一般是靜態的，不會與線上的狀況有任何的互動，加入預測錯誤，只能在下一次更新的時候完成修正，但是這個更新的時間一般比較長。 Online Learning訓練方法不同，會根據線上的預測結果動態調整模型，加入模型預測錯誤，從而及時做出修正，因此Online Learning能夠更加及時地反應線上變化。 Online Learning的優化目標是使得整體的損失函式最小化，它需要快速求解目標函式的最優解。 線上學習演算法的特點是：每來一個訓練樣本，就用該樣本產生的loss和梯度對模型迭代一次，一個一個數據地進行訓練，因此可以處理大資料量訓練和線上訓練。常用的有線上梯度下降（OGD）和隨機梯度下降（SGD）等，本質思想是對上面【問題描述】中的**未加和的單個數據的loss函式 L（w，zi）做梯度下降，**因為每一步的方向並不是全域性最優的，所以整體呈現出來的會是一個看似隨機的下降路線。 ### 1.5 FTRL FTR是FTRL的前身，思想是每次找到讓之前所有樣本的損失函式之和最小的引數。 FTRL，即 Follow The Regularized Leader，是在之前的幾個工作上產生的，主要出發點就是為了提高稀疏度且滿足精度要求。FTRL 在FTL的優化目標的基礎上，加入了正則化，防止過擬合。 FTRL的損失函式一般也不容易求解，這種情況下，一般需要找一個代理的損失函式。 代理損失函式需要滿足以下條件： 1. 代理損失函式比較容易求解，最好是有解析解。 2. 代理損失函式求得的解，和原函式的解的差距越小越好 為了衡量條件2中的兩個解的差距，引入regret的概念。 #### 1.5.1 regret & sparsity 一般對於線上學習來說，我們致力於解決兩個問題： **降低 regret 和提高 sparsity**。其中 regret 的定義為： $$ Regret=\sum_{t=1}^Tl_t(w_t)−min_w\sum_{t=1}^Tl_t(w) $$ 其中 t 表示總共 T 輪中的第 t 輪迭代，ℓt 表示損失函式，w 表示要學習的引數。Regret 表示 "代理函式求出來的解" 離 "真正損失函式求出來的解" 的損失差距。 第二項 表示得到了所有樣本後損失函式的最優解，因為線上學習一次只能根據少數幾個樣本更新引數，隨機性較大，所以需要一種穩健的優化方式，而 regret 字面意思是 “後悔度”，意即更新完不後悔。 在理論上可以證明，如果一個線上學習演算法可以保證其 regret 是 t 的次線性函式，則： $$ \lim_{t→∞}\frac{Regret(t)}{t}=0 $$ 那麼隨著訓練樣本的增多，線上學習出來的模型無限接近於最優模型。即隨著訓練樣本的增加，代理損失函式和原損失函式求出來的引數的實際損失值差距越來越小。而毫不意外的，FTRL 正是滿足這一特性。 另一方面，現實中對於 sparsity，也就是模型的稀疏性也很看重。上億的特徵並不鮮見，模型越複雜，需要的儲存、時間資源也隨之升高，而稀疏的模型會大大減少預測時的記憶體和複雜度。另外稀疏的模型相對可解釋性也較好，這也正是通常所說的 L1 正則化的優點。 #### 1.5.2 FTRL的虛擬碼  Per-Coordinate 意思是FTRL是對w每一維分開訓練更新的，每一維使用的是不同的學習速率，也是上面程式碼中lamda2之前的那一項。與w所有特徵維度使用統一的學習速率相比，這種方法考慮了訓練樣本本身在不同特徵上分佈的不均勻性，如果包含w某一個維度特徵的訓練樣本很少，每一個樣本都很珍貴，那麼該特徵維度對應的訓練速率可以獨自保持比較大的值，每來一個包含該特徵的樣本，就可以在該樣本的梯度上前進一大步，而不需要與其他特徵維度的前進步調強行保持一致。 #### 1.5.3 簡要理解 我們再看看下一時刻的特徵權重的更新公式，增加理解（我個人覺得找到的這個解釋相對易於理解）：  式中**第一項**是對損失函式的貢獻的一個估計，**第二項**是控制w（也就是model）在每次迭代中變化不要太大，**第三項**代表L1正則（獲得稀疏解）。 ## 0x02 示例程式碼 我們採用的就是Alink官方示例程式碼。我們可以看到大致分為幾部分： - 建立特徵處理管道，其包括StandardScaler和FeatureHasher，進行標準化縮放和特徵雜湊，最後得到了特徵向量，這部分可以參見 [ Alink漫談(九) ：特徵工程 之 特徵雜湊/標準化縮放](https://www.cnblogs.com/rossiXYZ/p/13233067.html)； - 對於流資料來源進行實時切分得到原始訓練資料和原始預測資料，這部分可以參見 [ Alink漫談(七) : 如何劃分訓練資料集和測試資料集](https://www.cnblogs.com/rossiXYZ/p/13110960.html)； - 訓練出一個邏輯迴歸模型作為FTRL演算法的初始模型，這是為了系統冷啟動的需要。邏輯迴歸和線性迴歸類似，所以大家可以參見這兩篇文章：[ Alink漫談(十) ：線性迴歸實現 之 資料預處理](https://www.cnblogs.com/rossiXYZ/p/13282333.html) 和 [Alink漫談(十一) ：線性迴歸 之 L-BFGS優化](https://www.cnblogs.com/rossiXYZ/p/13289634.html) - 在初始模型基礎上進行FTRL線上訓練； - 在FTRL線上模型的基礎上，連線預測資料進行預測； - 對預測結果流進行評估，具體可以參見 [Alink漫談(八) : 二分類評估 AUC、K-S、PRC、Precision、Recall、LiftChart 如何實現](https://www.cnblogs.com/rossiXYZ/p/13194023.html)； 你大概已經看出來了，為了剖析FTRL，我前面做了很多工作...... ```java public class FTRLExample { public static void main(String[] args) throws Exception { ...... // setup feature engineering pipeline Pipeline featurePipeline = new Pipeline() .add( new StandardScaler() // 標準縮放 .setSelectedCols(numericalColNames) ) .add( new FeatureHasher() // 特徵雜湊 .setSelectedCols(selectedColNames) .setCategoricalCols(categoryColNames) .setOutputCol(vecColName) .setNumFeatures(numHashFeatures) ); // 構建特徵工程流水線 // fit feature pipeline model PipelineModel featurePipelineModel = featurePipeline.fit(trainBatchData); // prepare stream train data CsvSourceStreamOp data = new CsvSourceStreamOp() .setFilePath("http://alink-release.oss-cn-beijing.aliyuncs.com/data-files/avazu-ctr-train-8M.csv") .setSchemaStr(schemaStr) .setIgnoreFirstLine(true); // 對於流資料來源進行實時切分得到原始訓練資料和原始預測資料 // split stream to train and eval data SplitStreamOp splitter = new SplitStreamOp().setFraction(0.5).linkFrom(data); // 訓練出一個邏輯迴歸模型作為FTRL演算法的初始模型，這是為了系統冷啟動的需要。 // train initial batch model LogisticRegressionTrainBatchOp lr = new LogisticRegressionTrainBatchOp() .setVectorCol(vecColName) .setLabelCol(labelColName) .setWithIntercept(true) .setMaxIter(10); BatchOperator initModel = featurePipelineModel.transform(trainBatchData).link(lr); // 在初始模型基礎上進行FTRL線上訓練 // ftrl train FtrlTrainStreamOp model = new FtrlTrainStreamOp(initModel) .setVectorCol(vecColName) .setLabelCol(labelColName) .setWithIntercept(true) .setAlpha(0.1) .setBeta(0.1) .setL1(0.01) .setL2(0.01) .setTimeInterval(10) .setVectorSize(numHashFeatures) .linkFrom(featurePipelineModel.transform(splitter)); // 在FTRL線上模型的基礎上，連線預測資料進行預測 // ftrl predict FtrlPredictStreamOp predictResult = new FtrlPredictStreamOp(initModel) .setVectorCol(vecColName) .setPredictionCol("pred") .setReservedCols(new String[]{labelColName}) .setPredictionDetailCol("details") .linkFrom(model, featurePipelineModel.transform(splitter.getSideOutput(0))); // 對預測結果流進行評估 // ftrl eval predictResult .link( new EvalBinaryClassStreamOp() .setLabelCol(labelColName) .setPredictionCol("pred") .setPredictionDetailCol("details") .setTimeInterval(10) ) .link( new JsonValueStreamOp() .setSelectedCol("Data") .setReservedCols(new String[]{"Statistics"}) .setOutputCols(new String[]{"Accuracy", "AUC", "ConfusionMatrix"}) .setJsonPath(new String[]{"$.Accuracy", "$.AUC", "$.ConfusionMatrix"}) ) .print(); StreamOperator.execute(); } } ``` ## 0x03 問題 用問題來引導剖析比較好，以下是我們容易想到的一些問題。 - 訓練階段和預測階段都有預製模型以應對"冷啟動"嘛？ - 訓練階段和預測階段是如何關聯起來的？ - 如何把訓練出來的模型傳給預測階段？ - 輸出模型時候，模型過大怎麼處理？ - 線上訓練的模型通過什麼機制實現更新？是定時驅動更新嘛？ - 預測階段載入模型過程中，還可以預測嘛？有沒有機制保證這段時間內也能預測？ - 訓練和預測中，有哪些階段用到了並行處理？ - 遇到高維向量如何處理？切分開嘛？ 後續我們會一一探究這些問題。 ## 0x04 總體邏輯 線上訓練是在 FtrlTrainStreamOp 類中實現的，其 linkFrom 函式實現了基本邏輯。 主要邏輯是： - 1)載入初始化模型到 dataBridge；dataBridge = DirectReader.collect(model); - 2)獲取相關引數。比如vectorSize預設是30000，是否有hasInterceptItem； - 3)獲取切分資訊。splitInfo = getSplitInfo(featureSize, hasInterceptItem, parallelism); 下面馬上會用到。 - 4)切分高維向量。初始化資料做了特徵雜湊，會產生高維向量，這裡需要進行切割。 initData.flatMap(new SplitVector(splitInfo, hasInterceptItem, vectorSize,vectorTrainIdx, featureIdx, labelIdx))； - 5)構建一個 IterativeStream.ConnectedIterativeStreams iteration，這樣會構建（或者說連線）兩個資料流：反饋流和訓練流； - 6)用iteration來構建迭代體 iterativeBody，其包括兩部分：CalcTask，ReduceTask； - CalcTask分成兩個部分。flatMap1 是分佈計算FTRL迭代需要的predict，flatMap2 是FTRL的更新引數部分； - ReduceTask分為兩個功能：歸併這些predict計算結果 / 如果滿足條件則歸併模型並 & 向下遊運算元輸出模型； - 7)result = iterativeBody.filter；基本是以時間間隔為標準來判斷（也可以認為是時間驅動），"時間未過期&向量有意義" 的資料將被髮送回反饋資料流，繼續迭代，**回到步驟 6)，進入flatMap2**； - 8)output = iterativeBody.filter；符合標準（時間過期了）的資料將跳出迭代，然後演算法會呼叫WriteModel將LineModelData轉換為多條Row，轉發給下游operator（也就是線上預測階段）；**即定時把模型更新給線上預測階段**。 程式碼摘要是： ```java @Override public FtrlTrainStreamOp linkFrom(StreamOperator... inputs) { ...... // 3)獲取切分資訊 final int[] splitInfo = getSplitInfo(featureSize, hasInterceptItem, parallelism); Da