Machine Learning com Vowpal Wabbit
Transferir como PPTX, PDF2 gostaram506 visualizações
O Vowpal Wabbit (VW) é uma ferramenta de machine learning capaz de analisar grandes volumes de dados e extrair padrões para resolver problemas de classificação e regressão. O VW implementa algoritmos como gradiente estocástico para aprender modelos lineares a partir de exemplos de treinamento contendo características e resultados esperados.
![Modelo Preditivo
Modelagem:
O VW possui um modelo de entrada bastante flexível
[Label] [Importance [Tag]]|Namespace Features |Namespace Feature ....
Onde:
Namespace = String[:Value] (Pacotes de Features relacionadas)
Features = (String[:Value])*](https://image.slidesharecdn.com/meetup-vw-140922071355-phpapp01/85/Machine-Learning-com-Vowpal-Wabbit-14-320.jpg)
![Treinando o modelo
VW -D DATA.TRAIN -L10 -C -K --PASSES 80 --holdout_off –F TREINO.VW
vw -d DBCompleta.txt -l 10 -c -k --passes 100 --holdout_off -f treino.vw
[DEMO]](https://image.slidesharecdn.com/meetup-vw-140922071355-phpapp01/85/Machine-Learning-com-Vowpal-Wabbit-20-320.jpg)
![Predição do tempo entre cadastro e compra
HEAD –3L DATA.TEST
HEAD –3L DATA.TEST | VW –i TREINO.VW –T –QUIET –P /DEV/STDOUT
[ WolframAlpha ]](https://image.slidesharecdn.com/meetup-vw-140922071355-phpapp01/85/Machine-Learning-com-Vowpal-Wabbit-21-320.jpg)
Machine Learning com Vowpal Wabbit
- 1. Machine Learning com Vowpal Wabbit
- 2. Definição O Vowpal Wabbit (VW) é uma ferramenta para criação de modelos de Machine Learning capazes de extrair informações e padrões de grandes volumes de dados. O VW pode ser usado para resolver problemas de Big Data rapidamente através de cases reais através de problemas que envolvem classificação de dados, modelos de regressão e descoberta de padrões.
- 3. Principal developer of VW http://research.yahoo.com http://research.microsoft.com John Langford jl@hunch.net jcl@microsoft.com
- 4. A ideia
- 5. O que é Implementação de diversos algoritmos de machine learning. • FEATURES – Subconjunto de dados com características relevantes. • LABEL – Resultado esperado (o que se deseja prever) • Job Description – Dado um conjunto de features, calcule (com certa precisão) o label correspondente. • Entrada do VW – Textual (qualquer palavra pode ser utilizada como feature) • Exemplo – nota, curso, professor, ...
- 6. Features
- 7. Features
- 8. Modelos Modelos são simplificações da Realidade Dados Brutos -> Features, Label F(features) = Label
- 9. Aprendendo modelos VW aproxima F da forma linear F = C1*FEATURE1+C2*FEATURE2+C3*FEATURE3+...+Cn*FEATUREn É basicamente um somatório dos pesos multiplicados pelos valores das features
- 11. Stochastic Gradient Descent É um algoritmo que busca aprender dado um conjunto de exemplos baseado no valor dos pesos correspondentes para as features. Para isso, necessita de um “modelo de treino” (Aprendizagem Supervisionada). Dentro da inteligência artificial, programas estocásticos* trabalham usando métodos probabilísticos para solucionar problemas. *Padrões estocásticos são aqueles que têm origem em processos não determinísticos, com origem em eventos aleatórios. Por exemplo, o lançar de dados resulta num processo estocástico, pois qualquer uma das 6 faces do dado tem iguais probabilidades de ficar para cima quando de seu arremesso.
- 12. Stochastic Gradient Descent Aprendizagem Não Supervisionada O VW implementa apenas 1 algoritmo não supervisionado, mas não exploraremos neste momento.
- 13. O treinamento Partindo do modelo SUPERVISIONADO, criamos um modelo de treino com exemplos de features e labels para que o sistema possa identificá-los. Para isso precisamos definir uma pergunta para o vw prever a resposta: Job Description: qual o tempo de compra para novos cadastros? Features: Estado, DiaCadastro, MesCadastro, Idade, ... Label: QtdeDiasAtéCompra
- 14. Modelo Preditivo Modelagem: O VW possui um modelo de entrada bastante flexível [Label] [Importance [Tag]]|Namespace Features |Namespace Feature .... Onde: Namespace = String[:Value] (Pacotes de Features relacionadas) Features = (String[:Value])*
- 15. Distribuição dos dados de entrada 2.025305865 |dados_cliente data_cadastro=30-09-2013 dia_cadastro:30.0 mes_cadastro=Setembro idade:24 cidade=passo_fundo estado=rs data_nascimento=1990-07-02 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=14-01-2014 quantidade_free_ate_agora:4.0 http://hunch.net/~vw/validate.html
- 16. Distribuição dos dados de entrada (exemplo) 1.146128036 |dados_cliente data_cadastro=06-02-2013 dia_cadastro:6.0 mes_cadastro=Fevereiro idade:37 cidade=umuarama estado=pr data_nascimento=1977-06- 20 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=20-02-2013 quantidade_free_ate_agora:2.0 2.225309282 |dados_cliente data_cadastro=30-07-2012 dia_cadastro:30.0 mes_cadastro=Julho idade:31 data_nascimento=1983-10-11 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=14-01-2013 quantidade_free_ate_agora:0.0 1.414973348 |dados_cliente data_cadastro=15-11-2013 dia_cadastro:15.0 mes_cadastro=Novembro idade:23 cidade=rincao estado=sp data_nascimento=1992-02-24 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=11-12-2013 quantidade_free_ate_agora:1.0 1.491361694 |dados_cliente data_cadastro=10-02-2014 dia_cadastro:10.0 mes_cadastro=Fevereiro idade:23 cidade=maceio estado=al data_nascimento=1991-08-30 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=13-03-2014 quantidade_free_ate_agora:6.0 0.301029996 |dados_cliente data_cadastro=10-06-2013 dia_cadastro:10.0 mes_cadastro=Junho idade:26 cidade=manaus estado=am data_nascimento=1988-05-11 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=12-06-2013 quantidade_free_ate_agora:0.0 1.755874856 |dados_cliente data_cadastro=16-05-2013 dia_cadastro:16.0 mes_cadastro=Maio idade:25 cidade=vera_cruz estado=rs data_nascimento=1990-02-07 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=12-07-2013 quantidade_free_ate_agora:2.0 0 |dados_cliente data_cadastro=19-03-2013 dia_cadastro:19.0 mes_cadastro=Marco idade:27 cidade=joao_pessoa estado=pb data_nascimento=1987-04-28 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=20-03-2013 quantidade_free_ate_agora:0.0
- 17. Distribuição dos dados de entrada 2.025305865 |dados_cliente data_cadastro=30-09-2013 dia_cadastro:30.0 mes_cadastro=Setembro idade:24 cidade=passo_fundo estado=rs data_nascimento=1990-07-02 recebe_mail_mkt:1.0 |dados_compras data_primeira_compra=14-01-2014 quantidade_free_ate_agora:4.0 http://hunch.net/~vw/validate.html
- 18. Como otimizar essa grande quantidade de parâmetros? Em geral os algoritmos de predição trabalham com números, e para converter as features em números eles traduzem usando tabelas 1 | dia_cadastro:1.0 2 | dia_cadastro:2.0 3 | dia_cadastro:3.0 ... 999 | mes_cadastro=Fevereiro ... 651468 | idade:37 * Isso acaba consumindo muito tempo e memória. * Isso não acontece no VW pois ele utiliza HASHING TRICK!
- 19. Como otimizar essa grande quantidade de parâmetros? Como converter esses números em palavras? O VW, através da função hash, pega a String e faz um hash dela, e a utiliza como entrada na função de otimização. Isso é particularmente útil para os algoritmos de aprendizagem que consomem grandes quantidades de dados. Assim aumenta a ESCALABILIDADE
- 20. Treinando o modelo VW -D DATA.TRAIN -L10 -C -K --PASSES 80 --holdout_off –F TREINO.VW vw -d DBCompleta.txt -l 10 -c -k --passes 100 --holdout_off -f treino.vw [DEMO]
- 21. Predição do tempo entre cadastro e compra HEAD –3L DATA.TEST HEAD –3L DATA.TEST | VW –i TREINO.VW –T –QUIET –P /DEV/STDOUT [ WolframAlpha ]
- 22. Feature Extration VW –VARINFO Identifica as features mais relevantes perl ../../vw/utl/vw-varinfo -c -k --passes 13 base.vw > varinfo.txt perl ../../vw/utl/vw-varinfo -c -k --passes 13 DBCompleta.vw > treino_varinfo.txt
- 23. Overfiting Overfiting ocorre quando um algoritmo de modelo estatístico ou de aprendizagem de máquina torna-se “perfeito” ao treino.
- 24. MeetUp Café com Dados Até a próxima http://www.alfaconcursos.com.br/cafe-com-dados Inscreva-se e participe
Notas do Editor
- #25: No modo Apresentação de Slides, clique na seta para entrar no PowerPoint Getting Started Center.