通过 Continual Learning 提高 ML.NET 模型准确性并增强性能

从事机器学习的学者大多认为持续学习（Continual Learning）是迈向人工智能的根本一步。持续学习是模型模仿人类在整个生命周期中不断从数据流中学习、微调、转移知识和技能的能力。实际上，这意味着模型在进入新数据时能自主学习和适应生产。过去提出自动自适应学习（Auto-adaptive Learning），或持续自动机器学习（Continual AutoML）就是出于对这项能力的支持。在机器学习中，目标是通过生产环境部署模型，通过持续学习，我们希望使用进入生产环境的数据，并激活训练过程重新训练模型。

持续学习带来的好处是显而易见的，典型的就是商品销售推荐。随着不同时期客户流量的特点热销商品会发生变化，比如以往在运动季节买饮料的客户，过了几个月会慢慢改成买纯净水了，这个过程不是突然转变的，如果没有持续学习的机制让推荐模型适应，那就要等到人为感知到模型的不准确，然后再重新收集数据训练新模型，这样一来不仅要耗费专门的时间处理，还错过了好的销售时机。

持续学习最重要的构件之一就是 AutoML，当我们有了预处理后的数据集或数据流，也设计好了在管道中训练的流程闭环，AutoML 才会发挥价值，在算法种类、超参数、迭代方式、内存消耗、指标、准确性等方面择优平衡。ML.NET 在 1.x 版本后就已经具备了 AutoML 的特性，这在我以前的文章介绍过了。这次仅介绍 ML.NET 是怎么开展重新训练步骤的。

到目前已知 ML.NET 中重新训练支持以下这些算法：

• AveragedPerceptronTrainer
• FieldAwareFactorizationMachineTrainer
• LbfgsLogisticRegressionBinaryTrainer
• LbfgsMaximumEntropyMulticlassTrainer
• LbfgsPoissonRegressionTrainer
• LinearSvmTrainer
• OnlineGradientDescentTrainer
• SgdCalibratedTrainer
• SgdNonCalibratedTrainer
• SymbolicSgdLogisticRegressionBinaryTrainer

以回归算法训练的模型为例，假设我们已经有了如下的训练过程：

// Define data preparation estimator
IEstimator dataPrepEstimator =
    mlContext.Transforms.Concatenate("Features", new string[] { "Size", "Prices" })
        .Append(mlContext.Transforms.NormalizeMinMax("Features"));

// Create data preparation transformer
ITransformer dataPrepTransformer = dataPrepEstimator.Fit(data);

// Define OnlineGradientDescent regression algorithm estimator
var ogdEstimator = mlContext.Regression.Trainers.OnlineGradientDescent();

// Pre-process data using data prep operations
IDataView transformedData = dataPrepTransformer.Transform(data);

// Train regression model
RegressionPredictionTransformer trainedModel = ogdEstimator.Fit(transformedData);

保存数据准备管道和已训练的模型，我们一般使用以下方式：

// Save Data Prep transformer
mlContext.Model.Save(dataPrepTransformer, data.Schema, "data_preparation_pipeline.zip");

// Save Trained Model
mlContext.Model.Save(trainedModel, transformedData.Schema, "model.zip");

当我们开始要重新训练前，反过来要先加载预训练的模型，使用以下代码：

// Create MLContext
MLContext mlContext = new MLContext();

// Define DataViewSchema of data prep pipeline and trained model
DataViewSchema dataPrepPipelineSchema, modelSchema;

// Load data preparation pipeline
ITransformer dataPrepPipeline = mlContext.Model.Load("data_preparation_pipeline.zip", out dataPrepPipelineSchema);

// Load trained model
ITransformer trainedModel = mlContext.Model.Load("model.zip", out modelSchema);

然后就可以提取预训练的模型参数，加载模型后，通过访问预训练模型的 Model 属性来提取已学习的模型参数。

// Extract trained model parameters
LinearRegressionModelParameters originalModelParameters =
    ((ISingleFeaturePredictionTransformer<object>)trainedModel).Model as LinearRegressionModelParameters;

重新训练模型的过程与训练模型的过程没有什么不同。 唯一的区别是，除了数据之外，Fit 方法还将原始学习模型参数作为输入，并将它们用作重新训练过程的起点。

//Load New Data
IDataView newData = mlContext.Data.LoadFromEnumerable(someData);

// Preprocess Data
IDataView transformedNewData = dataPrepPipeline.Transform(newData);

// Retrain model
RegressionPredictionTransformer retrainedModel =
    mlContext.Regression.Trainers.OnlineGradientDescent()
        .Fit(transformedNewData, originalModelParameters);

当然我们总是想比较一下模型参数，看看是否真的进行了重新训练。一种方法是比较重新训练模型的参数是否与原始模型的参数不同。 下面的代码示例将原始模型与重新训练模型的权重进行比较，并将它们输出到控制台。

// Extract Model Parameters of re-trained model
LinearRegressionModelParameters retrainedModelParameters = retrainedModel.Model as LinearRegressionModelParameters;

// Inspect Change in Weights
var weightDiffs =
    originalModelParameters.Weights.Zip(
        retrainedModelParameters.Weights, (original, retrained) => original - retrained).ToArray();

Console.WriteLine("Original | Retrained | Difference");
for(int i=0;i < weightDiffs.Count();i++)
{
    Console.WriteLine($"{originalModelParameters.Weights[i]} | {retrainedModelParameters.Weights[i]} | {weightDiffs[i]}");
}

下表演示了比较模型参数的输出效果， 从表格中反映了四项参数权重发生了调整：

原始	重新训练后	差值
33039.86	56293.76	-23253.9
29099.14	49586.03	-20486.89
28938.38	48609.23	-19670.85
30484.02	53745.43	-23261.41