Uma demonstração 2D com dados de brinquedos será usada para explicar o que estava acontecendo para uma separação perfeita na regressão logística com e sem regularização. Os experimentos começaram com um conjunto de dados sobrepostos e gradualmente separamos duas classes. O contorno da função objetivo e o valor ótimo (perda logística) serão mostrados na sub-figura à direita. Os dados e o limite de decisão linear são plotados na sub-figura esquerda.
Primeiro, tentamos a regressão logística sem regularização.
- Como podemos ver com os dados se separando, a função objetivo (perda logística) está mudando drasticamente e a otimização está se afastando para um valor maior .
- Quando concluirmos a operação, o contorno não será uma "forma fechada". Nesse momento, a função objetivo sempre será menor quando a solução se mover para o canto superior direito.
Em seguida, tentamos a regressão logística com regularização de L2 (L1 é semelhante).
Com a mesma configuração, adicionar uma regularização L2 muito pequena alterará as alterações da função objetivo em relação à separação dos dados.
Nesse caso, sempre teremos o objetivo "convexo". Não importa quanta separação os dados tenham.
código (eu também uso o mesmo código para esta resposta: Métodos de regularização para regressão logística )
set.seed(0)
d=mlbench::mlbench.2dnormals(100, 2, r=1)
x = d$x
y = ifelse(d$classes==1, 1, 0)
logistic_loss <- function(w){
p = plogis(x %*% w)
L = -y*log(p) - (1-y)*log(1-p)
LwR2 = sum(L) + lambda*t(w) %*% w
return(c(LwR2))
}
logistic_loss_gr <- function(w){
p = plogis(x %*% w)
v = t(x) %*% (p - y)
return(c(v) + 2*lambda*w)
}
w_grid_v = seq(-10, 10, 0.1)
w_grid = expand.grid(w_grid_v, w_grid_v)
lambda = 0
opt1 = optimx::optimx(c(1,1), fn=logistic_loss, gr=logistic_loss_gr, method="BFGS")
z1 = matrix(apply(w_grid,1,logistic_loss), ncol=length(w_grid_v))
lambda = 5
opt2 = optimx::optimx(c(1,1), fn=logistic_loss, method="BFGS")
z2 = matrix(apply(w_grid,1,logistic_loss), ncol=length(w_grid_v))
plot(d, xlim=c(-3,3), ylim=c(-3,3))
abline(0, -opt1$p2/opt1$p1, col='blue', lwd=2)
abline(0, -opt2$p2/opt2$p1, col='black', lwd=2)
contour(w_grid_v, w_grid_v, z1, col='blue', lwd=2, nlevels=8)
contour(w_grid_v, w_grid_v, z2, col='black', lwd=2, nlevels=8, add=T)
points(opt1$p1, opt1$p2, col='blue', pch=19)
points(opt2$p1, opt2$p2, col='black', pch=19)