confidence weighted 置信权重在线算法（转）

转载链接：http://blog.csdn.net/nlp_zcchen/article/details/17381823

这个算法原作者意思是在NLP中面对高维向量和数据稀疏时效果会不错，算法保持了当前预测向量w的均值和方差，并做优化。代码实现如下：

[python] view plain copy

1. #cw learning algorithm  
2. def get_phi():  
3.     '''''confidence parameter phi'''  
4.     import numpy as np  
5.     from scipy import stats  
6.     eta = float(raw_input("please input confidence parameter between (0 1)\n"))  
7.     X = stats.norm(0.0,1.0)  
8.     phi = X.ppf(eta)  
9.     return phi  
10.   
11. def get_data_size(datafile):  
12.     f = open(datafile)  
13.     size = f.readline().strip().split()  
14.     f.close()  
15.     return len(size)  
16.   
17. def dot(X,Y):  
18.     sum = 0  
19.     for (x,y) in zip(X,Y):  
20.         sum += x*y  
21.     return sum  
22. def mul(X,Y):  
23.     Z = []  
24.     for (x,y) in zip(X,Y):  
25.         Z.append(x*y)  
26.     return Z  
27. def plus(X,Y):  
28.     Z = []  
29.     for (x,y) in zip(X,Y):  
30.         Z.append(x+y)  
31.     return Z  
32.   
33. def opp(X):  
34.     Y = []  
35.     for x in X:  
36.         Y.append(1/x)  
37.     return Y  
38. def init_u_E(datafile):  
39.     #initialize  
40.     #input  
41.      #confidence parameter phi  
42.     phi = get_phi()  
43.     #init variance of predictor w  
44.     a = float(raw_input("initial variance parameter a \n"))  
45.     size = get_data_size(datafile)  
46.     u = []  
47.     E = []  
48.     for i in range(size-1):  
49.         u.append(0)  
50.         E.append(a)  
51.     return u,E,phi  
52. def CWL(datafile,u,E,phi = 0.8):  
53.     '''''wl learning algorithm'''  
54.     import math  
55.     for line in open(datafile):  
56.         Y_X_str = line.strip().split()  
57.         Y_X = [float(t) for t in Y_X_str]  
58.         X = Y_X[1:]  
59.         Y = Y_X[0]  
60.         Mi = Y*dot(X,u) #Mi>0 then the prediction is right,otherwise the prediction is wrong  
61.         Vi = dot(X,mul(X,E))  
62.         Ri = (-1-2*phi*Mi+float(math.sqrt((1+2*phi*Mi)*(1+2*phi*Mi)-8*phi*(Mi-phi*Vi))))/(4*phi*Vi)  
63.         alpha = max(Ri,0)  
64.         dlt_u = [alpha*Y*x for x in mul(E,X)]  
65.         u = plus(u,dlt_u)  
66.         dlt_E = [ 2*alpha*phi*x for x in mul(X,X)]  
67.         E = opp(plus(opp(E),dlt_E))  
68.     return u,E  
69.   
70. #test  
71. u,E,phi = init_u_E("data")  
72. for i in range(10000):  
73.     u,E = CWL("data",u,E,phi)  
74. print u  
75. print E  
76. print dot(u,[0,1,0])  

数据类型为

1 0 0 1

-1 0 1 0

第一列为准确的类型，后面是feature set。

两个参数，phi是对于当前预测的置信度，即当预测的概率大于phi时才做预测（代码中预设为0.8），alpha为初始预测向量w的方差（预设为1）

测试效果不定，手写了7组数据，5个是可以判断正确的

还有一部分是对于有多个label时设计的算法，multi-class CW。这里是假设存在一个feature function将当前x和一个lable映射为一个值，即f（x，y），那么在算法实际过程中，利用这个值来对所有的label进行一个排序，那么将产生K个（K为label总数）限制条件（在binary classify中只有一个限制条件），算法再根据这K个条件做取舍决定最后的参数更新值（原文中有几种不同的更新方法）。

参考文献 confidence weighted linear classification by Mark Dredze，Koby Crammer

Multii-class confidence weighted algoritms