Online Learning是工业界比较常用的机器学习算法,在很多场景下都能有很好的效果。本文主要介绍Online Learning的基本原理和两种常用的Online Learning算法:FTRL(Follow The Regularized Leader)[1]和BPR(Bayesian Probit Regression)[2],以及Online Learning在美团移动端推荐重排序的应用。
准确地说,Online Learning并不是一种模型,而是一种模型的训练方法,Online Learning能够根据线上反馈数据,实时快速地进行模型调整,使得模型及时反映线上的变化,提高线上预测的准确率。Online Learning的流程包括:将模型的预测结果展现给用户,然后收集用户的反馈数据,再用来训练模型,形成闭环的系统。如下图所示:
Online Learning有点像自动控制系统,但又不尽相同,二者的区别是:Online Learning的优化目标是整体的损失函数最小化,而自动控制系统要求最终结果与期望值的偏差最小。
传统的训练方法,模型上线后,更新的周期会比较长(一般是一天,效率高的时候为一小时),这种模型上线后,一般是静态的(一段时间内不会改变),不会与线上的状况有任何互动,假设预测错了,只能在下一次更新的时候完成更正。Online Learning训练方法不同,会根据线上预测的结果动态调整模型。如果模型预测错误,会及时做出修正。因此,Online Learning能够更加及时地反映线上变化。
如上图所示,Online Learning训练过程也需要优化一个目标函数(红框标注的),但是和其他的训练方法不同,Online Learning要求快速求出目标函数的最优解,最好是能有解析解。
前面说到Online Learning要求快速求出目标函数的最优解。要满足这个要求,一般的做法有两种:Bayesian Online Learning和Follow The Regularized Leader。下面就详细介绍这两种做法的思路。
贝叶斯方法能够比较自然地导出Online Learning的训练方法:给定参数先验,根据反馈计算后验,将其作为下一次预测的先验,然后再根据反馈计算后验,如此进行下去,就是一个Online Learning的过程,如下图所示。
举个例子, 我们做一个抛硬币实验,估算硬币正面的概率μ
。我们假设μ的先验满足的Online Learning算法:
,β初始化 α
for i = 0 ... n
是正面如果 Yi
最终: μ∼Beta(α,β)
,可以取μ的期望,μ=αα+β
得到的解是一样的。
上面的例子是针对离散分布的,我们可以再看一个连续分布的例子。
有一种测量仪器,测量的方差σ2
是已知的, 测量结果为:Y1,Y2,Y3,...,Yn, 求真实值μ的分布。
可以得到以下的Online Learning算法:
,v2初始化 m
for i = 0 ... n
观测值为Yi
上面的两个结果都是后验跟先验是同一分布的(一般取共轭先验,就会有这样的效果),这个后验很自然的作为后面参数估计的先验。假设后验分布和先验不一样,我们该怎么办呢?
举个例子:假设上面的测量仪器只能观测到Y
,是大于0,还是小于0,即Yi∈{−1,1},Yi=−1,代表观测值小于0,Yi=1代表观测值大于0。观测到Yi=−1
两者综合起来,可以求得:
有了后验我们可以得到Online Bayesian Learning流程:
,v2初始化 m
for i = 0 ... n
观测值为Yi
更新
Bayesian Online Learning最常见的应用就是BPR(Bayesian Probit Regression)。
在看Online BPR前,我们先了解以下Linear Gaussian System(具体可以参考[3]的4.4节)。
x
已知x
,我们可以得到y的分布:
上面这个结论的具体的推导过程可以参考[3]的4.4节,这里我们直接拿来用。
我们可以假设特征权重 w
满足独立高斯分布,即Y
是一维变量,是w与特征向量x的内积,加入方差为β2的扰动:
代表观测值大于0。
对于观测值,我们可以先用KL距离近似y
的分布,我们可以算出后验:
可以求得:
Online Bayesian Probit Regression 训练流程如下:
,σ21, μ2,σ22 , ... , μD,σ2D初始化 μ1
for i = 1 ... n
观测值为Yi
for d = 1 ... D
更新
除了Online Bayesian Learning,还有一种做法就是FTRL(Follow The Regularized Leader)。
FTRL的网上资料很多,但是大部分介绍怎么样产生稀疏化解,而往往忽略了FTRL的基本原理。顾名思义,FTRL和稀疏化并没有关系,它只是一种做Online Learning的思想。
先说说FTL(Follow The Leader)算法,FTL思想就是每次找到让之前所有损失函数之和最小的参数。流程如下:
初始化 w
for t = 1 ... n
损失函数 ft
更新
FTRL算法就是在FTL的优化目标的基础上,加入了正规化,防止过拟合:
是正规化项。
FTRL算法的损失函数,一般也不是能够很快求解的,这种情况下,一般需要找一个代理的损失函数。
代理损失函数需要满足几个要求:
为了衡量条件2中的两个解的差距,这里需要引入regret的概念。
假设每一步用的代理函数是ht(w)
每次取
其中w∗=argminw∑ti=1fi(w)
,是原函数的最优解。就是我们每次代理函数求出解,离真正损失函数求出解的损失差距。当然这个损失必须满足一定的条件,Online Learning才可以有效,就是:
随着训练样本的增多,这两个优化目标优化出的参数的实际损失值差距越来越小。
代理函数 ht(w)
应该该怎么选呢?是凸函数,我们可以用下面的代理损失函数:
其中gi
是fi(wi)次梯度(如果 fi(wi)是可导的,次梯度就是梯度)。ηt满足:为了产生稀疏的效果,我们也可以加入l1正规化:
是凸函数,上面的代理函数一定满足:
上面的式子我们可以得出w
的解析解:
其中
可以得到FTRL的更新流程如下:
, λ1输入α
for t = 1 ... T
损失函数 ft
for i = 1 ..N
计算
gt,i=∂fi(wt−1)wt−1,i
更新
前面讲了Online Learning的基本原理,这里以移动端推荐重排序为例,介绍一下Online Learning在实际中的应用。
推荐重排序介绍
目前的推荐系统,主要采用了两层架构,首先是触发层,会根据上下文条件和用户的历史行为,触发用户可能感兴趣的item,然后由排序模型对触发的item排序,如下图所示:
推荐重排序既能融合不同触发策略,又能较大幅度提高推荐效果(我们这里主要是下单率)。在移动端,屏幕更加小,用户每次看到的item数目更加少,排序的作用更加突出。
美团重排序Online Learning架构
美团Online Learning架构如下图所示:
线上的展示日志,点击日志和下单日志会写入不同的Kafka流。读取Kafka流,以HBase为中间缓存,完成label match(下单和点击对映到相应的展示日志),在做label match的过成中,会对把同一个session的日志放在一起,方便后面做skip above:
训练数据生成
移动端推荐的数据跟PC端不同,移动端一次会加载很多item,但是无法保证这些item会被用户看到。为了保证数据的准确性,我们采用了skip above的办法,如下图所示:
假设用户点击了第i个位置,我们保留从第1条到第i+2条数据作为训练数据,其他的丢弃。这样能够最大程度的保证训练样本中的数据是被用户看到的。
特征
用的特征如下图所示:
算法选择
我们尝试了FTRL和BPR效果,线下实验效果如下表:
算法 | AUC | 模型参数个数 |
---|---|---|
FTRL | 0.8432 | 200W |
BPR | 0.8441 | 1500W |
BPR的效果略好,但是我们线上选用了FTRL模型,主要原因是FTRL能够产生稀疏化的效果,训练出的模型会比较小。
模型训练
训练算法不断地从HBase中读取数据,完成模型地训练,训练模型放在Medis(美团内部地Redis)中,线上会用Medis中的模型预测下单率,根据预测的下单率,完成排序。
线上效果
上线后,最终的效果如下图所示,和base算法相比,下单率提高了5%。
不想错过技术博客更新?想给文章评论、和作者互动?第一时间获取技术沙龙信息?
请关注我们的官方微信公众号“美团点评技术团队”。现在就拿出手机,扫一扫: