洋食の日記

「だ・である」調ではなく「です・ます」調で書きはじめれば良かったなと後悔してる人のブログです

Pure RubyなSupport Vector Machineのgemを公開した

はじめに

RubyPythonのscikit-learnに相当するライブラリがない様なので、作ってみることにした。ひとまず、Support Vector MachineSVM)による多値分類が実装できたので、gemとして公開することにした。今後、他の機械学習アルゴリズムも追加していく。

svmkit | RubyGems.org | your community gem host

インストール

行列・ベクトルをあつかうのでNMatrixに依存する。

$ gem install svmkit

使い方

インターフェースは、scikit-learnライクにした。libsvm dataのサイトにあるpendigitsデータセットを読み込んで、分類するコードは以下の通り。 まずは、分類機の訓練から。

require 'svmkit'
require 'libsvmloader'

# libsvm形式の訓練データセットを読み込む。
samples, labels = LibSVMLoader.load_libsvm_file('pendigits', stype: :dense)

# 特徴量の値を[0,1]の範囲に正規化する。
normalizer = SVMKit::Preprocessing::MinMaxScaler.new
normalized = normalizer.fit_transform(samples)

# RBFカーネル空間に(カーネル近似法で)射影する。
transformer = SVMKit::KernelApproximation::RBF.new(gamma: 2.0, n_components: 1024, random_seed: 1)
transformed = transformer.fit_transform(normalized)

# ベースとなる2値分類のSVMを定義して、
base_classifier =
  SVMKit::LinearModel::PegasosSVC.new(penalty: 1.0, max_iter: 50, batch_size: 20, random_seed: 1)
# それを、One-vs.-Rest法で多値化する。
classifier = SVMKit::Multiclass::OneVsRestClassifier.new(estimator: base_classifier)
# そして、分類器を学習する。
classifier.fit(transformed, labels)

# 各種モデルを保存する。
File.open('trained_normalizer.dat', 'wb') { |f| f.write(Marshal.dump(normalizer)) }
File.open('trained_transformer.dat', 'wb') { |f| f.write(Marshal.dump(transformer)) }
File.open('trained_classifier.dat', 'wb') { |f| f.write(Marshal.dump(classifier)) }

そして、訓練済みの分類器を読み込んで、テストデータを分類するコード。

require 'svmkit'
require 'libsvmloader'

# libsvm形式のテストデータセットを読み込む。
samples, labels = LibSVMLoader.load_libsvm_file('pendigits.t', stype: :dense)

# 各種モデルを読み込む。
normalizer = Marshal.load(File.binread('trained_normalizer.dat'))
transformer = Marshal.load(File.binread('trained_transformer.dat'))
classifier = Marshal.load(File.binread('trained_classifier.dat'))

# 正規化とカーネル空間への射影を行う。
normalized = normalizer.transform(samples)
transformed = transformer.transform(normalized)

# テストデータセットのラベルを推定する。
# predicted_labels = classifier.predict(transformed, labels)

# Accuracyを出力する。
puts(sprintf("Accuracy: %.1f%%", 100.0 * classifier.score(transformed, labels)))

実装よもやま話

  • SVMアルゴリズムには、確率的勾配降下法によるPegasosを選択した。 事前に、他のアルゴリズムも試したが、Pure Rubyでそれなりの速度で動くのがPegasosだった。 同じく速度の問題で、直接的なカーネル法による非線形化はあきらめて、ランダムプロジェクションによるカーネル近似を実装した。
  • SVMの多値分類器化には、ひとまず、One-vs.-Rest(OvR)を選択した。scikit-learnでは、OvRなどを内包して、multiclassモジュールを意識的に使わなくて良いようになっている。SVMKitでは、明示的に使う方向とした。
  • 学習済みのモデルの保存・読込には、Marshalによるシリアライズを使用することにした。 これは、scikit-learnでは、joblib.dumpを使用することに対応させてである。Marshal.loadを使うことに関しては、rubocop先輩サーセンといった感じ。

おわりに

今後は、scikit-learn内のベーシックな手法を実装していきたい。ある程度、中身が充実してきたら、gem名を変えると思う。次は、決定木系のアルゴリズムの実装かなぁ。つまらないものですが、よろしくお願い致します。