Machine Learning com Vowpal Wabbit

Machine Learning

com Vowpal Wabbit

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.

Principal developer of VW

http://research.yahoo.com http://research.microsoft.com

John Langford

jl@hunch.netjcl@microsoft.com

A ideia

Vorpal Sword Rabbit+

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, ...

Features

ValorInvestido:149.7

nome

valor

(Sempre numérico)

Features

CompraEfetuada

1semestre:749.9

Tempo_Cadastro:63.0

:1.0

Modelos

Modelos são simplificações da

Realidade

Dados Brutos -> Features, Label

F(features) = Label

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

O VW é capaz de trabalhar com modelos muito grande de features (terafeatures) e isso faz com que o

processo linear possa ser muito mais preciso que sistemas não

lineares.

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.

Stochastic Gradient Descent

Aprendizagem Não Supervisionada O VW implementa apenas 1 algoritmo não supervisionado, mas não

exploraremos neste momento.

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

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])*

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

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

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

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!

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

HASHING TRICK

Treinando o modelo

VW -D DATA.TRAIN -L10 -C -K --PASSES 80 --holdout_off –F TREINO.VWvw -d DBCompleta.txt -l 10 -c -k --passes 100 --holdout_off -f treino.vw

[DEMO]

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 ]

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

Overfiting

Overfiting ocorre quando um algoritmo

de modelo estatístico ou de

aprendizagem de máquina torna-se

“perfeito” ao treino.

MeetUp

Café com Dados

Até a próxima

http://www.alfaconcursos.com.br/cafe-com-

dados

Inscreva-se e participe