LightGBM 参数中的 lambda_l1 和 lambda_l2
LightGBM 的参数大部分意义都能通过名字猜出来,例如 num_leaves
,early_stopping
等。但是有两个常用参数是个异类:
lambda_l1
lambda_l2
顺带与他们相关的还有一个
min_gain_to_split
要调节这些参数需要理解他们背后的含义。但是,lightGBM 到底是如何定义网上似乎没找到把这个说清楚的。官网只是非常简单地提了一下这些是为了正则化。
所谓正则化(Regularization)是机器学习中一种常用的技术,其主要目的是控制模型复杂度,减小过拟合。最基本的正则化方法是在原目标(代价)函数 中添加惩罚项,对复杂度高的模型进行“惩罚”。
因此对于 LightGBM 来讲这几个参数肯定是用于控制树节点分裂的。但是似乎也没找到特地针对 LightGBM 如何正则化的介绍,于是我自己看了下源码。
1 结论
lambda_l1
, lambda_l2
和 min_gain_to_split
都是用于降低模型复杂度,避免过拟合的。
他们作用于每个节点的 gain。gain 在 LightGBM 中用于描述节点上所有样本的训练程度。gain 越小说明训练越充分,分裂价值越低。
gain 的计算方式为:
对于回归问题,二阶导数为1,其和为节点样本数。
lambda_l1
和 lambda_l2
都用于加速 gain 的减小。
-
lambda_l1
:设置一个 threshold,gain 小于这个 threshold 直接认为是 0,不再分裂。 -
lambda_l2
:为 gain 的分母(即节点样本数)增加一个常数项,作用于全程,在节点样本数已经很小的时候,能显著减小 gain 避免分裂。
min_gain_to_split
的作用可以通过名字猜出。就是如果一个节点的 gain 低于这个数,不再分裂。
2 源码解读
Boosting 的每一次迭代都会生成一棵树。在生成树的时候,我们需要寻找每个特征的最佳分割点。
2.1 用 gain 来决定是否分割
在 feature_histogram.hpp
用于寻找最佳分割点的 FindBestThresholdSequentially()
方法中,有如下代码用于决定是否分割:
// current split gain
double current_gain = GetSplitGains<USE_MC, USE_L1, USE_MAX_OUTPUT, USE_SMOOTHING>(
sum_left_gradient, sum_left_hessian, sum_right_gradient,
sum_right_hessian, meta_->config->lambda_l1,
meta_->config->lambda_l2, meta_->config->max_delta_step,
constraints, meta_->monotone_type, meta_->config->path_smooth,
left_count, right_count, parent_output);
// gain with split is worse than without split
if (current_gain <= min_gain_shift) {
continue;
}
// mark as able to be split
is_splittable_ = true;
其中 min_gain_shift
由以下函数计算(用到了 min_gain_to_split
):
template <bool USE_RAND, bool USE_L1, bool USE_MAX_OUTPUT, bool USE_SMOOTHING>
double BeforeNumercal(double sum_gradient, double sum_hessian, double parent_output, data_size_t num_data,
SplitInfo* output, int* rand_threshold) {
is_splittable_ = false;
output->monotone_type = meta_->monotone_type;
double gain_shift = GetLeafGain<USE_L1, USE_MAX_OUTPUT, USE_SMOOTHING>(
sum_gradient, sum_hessian, meta_->config->lambda_l1, meta_->config->lambda_l2,
meta_->config->max_delta_step, meta_->config->path_smooth, num_data, parent_output);
*rand_threshold = 0;
if (USE_RAND) {
if (meta_->num_bin - 2 > 0) {
*rand_threshold = meta_->rand.NextInt(0, meta_->num_bin - 2);
}
}
return gain_shift + meta_->config->min_gain_to_split;
}
可以看出 min_gain_shift
由两部分构成:
- 未分割节点的 gain,由
GetLeafGain()
计算 - 配置的
min_gain_to_split
与之相比较的 current_gain
则是调用了 GetSplitGains()
:
template <bool USE_MC, bool USE_L1, bool USE_MAX_OUTPUT, bool USE_SMOOTHING>
static double GetSplitGains(double sum_left_gradients,
double sum_left_hessians,
double sum_right_gradients,
double sum_right_hessians, double l1, double l2,
double max_delta_step,
const FeatureConstraint* constraints,
int8_t monotone_constraint,
double smoothing,
data_size_t left_count,
data_size_t right_count,
double parent_output) {
if (!USE_MC) {
return GetLeafGain<USE_L1, USE_MAX_OUTPUT, USE_SMOOTHING>(sum_left_gradients,
sum_left_hessians, l1, l2,
max_delta_step, smoothing,
left_count, parent_output) +
GetLeafGain<USE_L1, USE_MAX_OUTPUT, USE_SMOOTHING>(sum_right_gradients,
sum_right_hessians, l1, l2,
max_delta_step, smoothing,
right_count, parent_output);
}
// omitted...
}
可以看出,GetSplitGains()
实际就是对分割后的两个子节点分别调用GetLeafGain()
,再将 gains 相加。
所以本质上这个比较的意义是,如果分割后的 gain 小于分割前 gain 外加 min_gain_to_split
,就不作进一步分割。
现在我们明白了 min_gain_to_split
的原理了,lambda_l1
和 lambda_l2
呢?
2.2 如何计算 gain
计算 gain 就需要用到 lambda_l1
和 lambda_l2
了。
template <bool USE_L1, bool USE_MAX_OUTPUT, bool USE_SMOOTHING>
static double GetLeafGain(double sum_gradients, double sum_hessians,
double l1, double l2, double max_delta_step,
double smoothing, data_size_t num_data, double parent_output) {
if (!USE_MAX_OUTPUT && !USE_SMOOTHING) {
if (USE_L1) {
const double sg_l1 = ThresholdL1(sum_gradients, l1);
return (sg_l1 * sg_l1) / (sum_hessians + l2);
} else {
return (sum_gradients * sum_gradients) / (sum_hessians + l2);
}
} else {
double output = CalculateSplittedLeafOutput<USE_L1, USE_MAX_OUTPUT, USE_SMOOTHING>(
sum_gradients, sum_hessians, l1, l2, max_delta_step, smoothing, num_data, parent_output);
return GetLeafGainGivenOutput<USE_L1>(sum_gradients, sum_hessians, l1, l2, output);
}
}
gain 的计算方法就是:
Thresh
的算法很简单,就是当梯度和在 \([-\lambda_{L1}, +\lambda_{L1}]\) 区间时,取 0;其余情况不变。
static double ThresholdL1(double s, double l1) {
const double reg_s = std::max(0.0, std::fabs(s) - l1);
return Common::Sign(s) * reg_s;
}
二阶导数和需要继续阅读代码。对于 regression 问题,梯度和二阶导数为:
void GetGradients(const double* score, score_t* gradients,
score_t* hessians) const override {
if (weights_ == nullptr) {
#pragma omp parallel for schedule(static)
for (data_size_t i = 0; i < num_data_; ++i) {
gradients[i] = static_cast<score_t>(score[i] - label_[i]);
hessians[i] = 1.0f;
}
} else {
#pragma omp parallel for schedule(static)
for (data_size_t i = 0; i < num_data_; ++i) {
gradients[i] = static_cast<score_t>((score[i] - label_[i]) * weights_[i]);
hessians[i] = static_cast<score_t>(weights_[i]);
}
}
}
这是非常容易理解的,因为在 regression 任务中,LightGBM 采用的目标函数是平方误差:
将其对 y 求导,一阶导数(梯度)就是直接作差,二阶导数是1,二阶导数和就是该节点样本数量。
那么对于 regression 问题,gain 的含义就清楚了。它是用于描述一个节点分裂的“价值”。一个节点中的样本训练越充分,gain 就越小,因为梯度和小。
同时,lambda_l1
, lambda_l2
的作用也清楚了,他们都用于加速 gain 减小的过程。
-
lambda_l1
:设置一个 threshold,gain 小于这个 threshold 直接认为是 0,不再分裂。 -
lambda_l2
:为 gain 的分母(即节点样本数)增加一个常数项,作用于全程,在节点样本数已经很小的时候,能显著减小 gain 避免分裂。