【PyTorch】ロジスティック回帰の実装

横浜国立大学理工学部建築都市環境系学科卒
一級鉄筋技能士

以前、ロジスティック回帰を紹介しました。

【Python】ロジスティック回帰のわかりやすい解説

今回は、PyTorchで実装していきます。

この処理が大事なのは、画像の分類処理などでも、一番最後の処理は同じことをしている点です。

本記事では以下のライブラリが必要になります。

seaborn
scikit-learn
matplotlib
pandas
numpy
torch

seaborn

scikit-learn

matplotlib

pandas

numpy

torch

PyTorchのインストールは公式リンクを参照ください

PyTorchのインストール

本記事のサンプルコード

サンプルコード(jupyter notebook)

多項分類のロジスティック回帰について

前回の記事ではscikit-learnを使って、2種類の分類をしましたが、今回は分類数が3種類ある、多項分類をしていきます。

データの確認

今回はirisのデータを使います。

import seaborn as sns
df = sns.load_dataset('iris')
# 品種の確認
print(df['species'].unique())
# データの一部確認
df.head()

import seaborn as sns

df = sns.load_dataset('iris')

# 品種の確認

print(df['species'].unique())

# データの一部確認

df.head()

4つの特徴量（説明変数）と最後の列が分類したい種類（目的変数）が3つあります。

分類が2種類と3種類の違い

2種類と3種類で計算が変わってきます。

まず、2種類の場合は次のような計算をしていました。

わかりやすさのため、バイアス項を省略しています。

*バイアス項はy = ax + bのb（切片）のところです。

このような行列の掛け算をしていたことになります。

output = x1w1 + x2w2 + x3w3 + x4w4

の計算です。

これをsigmoid関数で0から1の数値にして、説明変数の0/1と比較していました。

これが3種類の場合は、次のようになります。

まず、目的変数を3つにして[‘setosa’ ‘versicolor’ ‘virginica’]と分けれるようにします。

例えば、setosaであれば[ 1, 0, 0]となるようにします。

これのままだと、outuputが1つだと足りませんね。

なので、計算したら、outputが3つになるように計算します。
＊outputは見やすさのため縦で並べています。

outputはsoftmaxという処理をすることで、それぞれの項目がどの確率が高くなるか、0から1で表現されるようにします。

例えば、[3, 1, 0.5]という数字をsoftmaxの処理をとおすと次のようになります。

# softmaxの確認
import numpy as np

def softmax(x):
    return np.exp(x)/np.sum(np.exp(x))

output = [3,1,0.5]
print(softmax(output))

# softmaxの確認

import numpy as np

def softmax(x):

return np.exp(x)/np.sum(np.exp(x))

output = [3,1,0.5]

print(softmax(output))

[0.82140902 0.11116562 0.06742536]

1	[0.82140902 0.11116562 0.06742536]

それぞれ、0から1で表現されて、それぞれを足すと合計が1になるように計算されます。

このsoftmaxで出力された結果と目的変数の値を比較します。

計算の概要がわかったところで、これをpytorchで実装していきます。

pytorchでロジスティック回帰の実装

pytorchでロジスティック回帰を実装していきます。

どの機械学習モデルも同じですが、次のステップを踏みます。

データの用意
モデルを定義
ロスを選ぶ
最適化関数を選ぶ
学習のループ
テスト

データの用意

seabornに入っているデータのirisを使っていきます。

import seaborn as sns
df = sns.load_dataset('iris')
# 品種の確認
print(df['species'].unique())
# データの一部確認
df.head()

import seaborn as sns

df = sns.load_dataset('iris')

# 品種の確認

print(df['species'].unique())

# データの一部確認

df.head()

これは、先ほど確認したものと同じです。

次は、学習用テスト用などに分けます。

説明変数(x)と目的変数(y)に分ける
目的変数のspeciesを数値の0,1,2に変換
学習とテストデータに分ける

from sklearn.model_selection import train_test_split
import pandas as pd

# 説明変数と目的変数を分ける
x = df[['sepal_width', 'sepal_length', 'petal_width', 'petal_length']].values
# 目的変数は0,1,2に変更しておく
df['species'] = df['species'].map({'setosa': 0, 'versicolor': 1, 'virginica': 2})
y = df['species'].values

# 
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.1)
print(x_train.shape)
print(y_train.shape)
print(x_test.shape)
print(y_test.shape)

from sklearn.model_selection import train_test_split

import pandas as pd

# 説明変数と目的変数を分ける

x = df[['sepal_width', 'sepal_length', 'petal_width', 'petal_length']].values

# 目的変数は0,1,2に変更しておく

df['species'] = df['species'].map({'setosa': 0, 'versicolor': 1, 'virginica': 2})

y = df['species'].values

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.1)

print(x_train.shape)

print(y_train.shape)

print(x_test.shape)

print(y_test.shape)

データの形も確認しています。

(135, 4)
(135,)
(15, 4)
(15,)

(135, 4)

(135,)

(15, 4)

(15,)

あとは、これをtorchで使えるデータにします。

まず、ライブラリを読み込見ます。

import torch
from torch.utils.data import TensorDataset
from torch.utils.data import DataLoader
from torch.autograd import Variable

import torch

from torch.utils.data import TensorDataset

from torch.utils.data import DataLoader

from torch.autograd import Variable

Datasets、Datalodersを作ります。

	機能
Datasets	データを読み込んで全データを管理
Dataloaders	Datasetsのデータをバッチサイズに応じて、取り出す

【PyTorch】Dataset、Dataloaderの作成過程　詳細な理解とよくあるミス

# データの準備
x_train = torch.from_numpy(x_train).float()
x_test = torch.from_numpy(x_test).float()
y_train = torch.from_numpy(y_train).float()
y_test = torch.from_numpy(y_test).float()

train = TensorDataset(x_train, y_train)
train_loader = DataLoader(train, batch_size=10, shuffle=True)

test = TensorDataset(x_test, y_test)
test_loader = DataLoader(test, batch_size=5, shuffle=True)

# データの準備

x_train = torch.from_numpy(x_train).float()

x_test = torch.from_numpy(x_test).float()

y_train = torch.from_numpy(y_train).float()

y_test = torch.from_numpy(y_test).float()

train = TensorDataset(x_train, y_train)

train_loader = DataLoader(train, batch_size=10, shuffle=True)

test = TensorDataset(x_test, y_test)

test_loader = DataLoader(test, batch_size=5, shuffle=True)

batch_sizeはデータを取り出すときの数ですが、これは適当な値を選定してください。

「今回は135のデータだし、10個ずつ取り出すかぁ」とかです。

説明変数のデータの形がおかしいって思った方はいるでしょうか？

先程の説明だと、目的変数を[1, 0, 0]や[0, 1, 0]にして比較するということを説明しました。

これだと、y_trainのデータの形は(135, 3)となっていて、3列のデータになるはずです。

しかし今回は、’setosa’: 0, ‘versicolor’: 1, ‘virginica’: 2と数値に置き換えているので、(135, )と1列のデータなっていています。

これは、後で出てくるCrossEntropyLossというロスの方で、うまく計算してくれているためです。

なので、PyTorchではspeciesは0,1,2,..と数値に変更すればOKです。

モデルを定義

次は、ロジスティックモデルを定義します。

図では、ピンク枠の部分です。

モデルには、softmaxは含めていません。

次に出てくる、CrossEntropyLossに含まれるためです。

まず、モデルを定義します。

# ロジスティック回帰モデル
class LogisticRegression(torch.nn.Module):
    def __init__(self, input_dim, output_dim):
        super(LogisticRegression, self).__init__()
        
        self.l1 = torch.nn.Linear(input_dim, output_dim)

    def forward(self, x):
        
        x = self.l1(x)

        return x

# ロジスティック回帰モデル

class LogisticRegression(torch.nn.Module):

def __init__(self, input_dim, output_dim):

super(LogisticRegression, self).__init__()

self.l1 = torch.nn.Linear(input_dim, output_dim)

def forward(self, x):

x = self.l1(x)

return x

これはモデルの設計書みたいものです。

このモデルに、入力するデータの数、出力される分類数を入力して、モデルを作ります。

今回は、 sepal_length,sepal_width,petal_length,petal_width の4つの特徴量があります。

分類数は、setosa, versicolor, virginicaの3つなので、3です。

# 特徴量の数
input_dim = 4
# 分類数
output_dim = 3
# 機械学習モデル＝ロジスティック回帰
model = LogisticRegression(input_dim, output_dim)

# 特徴量の数

input_dim = 4

# 分類数

output_dim = 3

# 機械学習モデル＝ロジスティック回帰

model = LogisticRegression(input_dim, output_dim)

これで、先程の図のピンクの部分が実装できました。

もう少し、コードの補足をしておきます。

4つのデータを3つにしたいわけですが、その変換の定義はtorch.nn.Linearを使います。

これに、torch.nn.Linear(4, 3)とするだけで、計算の定義が作れます

実際の計算は、forward関数に記載する必要があります。

forwad関数の引数のxに説明変数が入ってきて、self.l1で処理することで、3つのデータが出てきます。

classという考え方を使っていますが、知らない方はこういった記述だと認識しておいてください。

ロスと最適化関数を選ぶ

モデルが決まったので、ロス、最適化関数を選んでいきます。

	メソッド	備考
ロス	CrossEntropyLoss	分類はこれを選んでください。データに対してどれか1つ分類するときに使います。例えば、1つの画像（データ）から「人」「車」など複数の検知では使えません。
最適化関数	SGD(確率的勾配降下法)	他にも最適化関数は色々あります。学習率はlrで指定しますが、ここは色々調整してみてください。

# 学習率
lr_rate = 0.001
# lossの定義 
criterion = torch.nn.CrossEntropyLoss()
# 最適化関数
optimizer = torch.optim.SGD(model.parameters(), lr=lr_rate)

# 学習率

lr_rate = 0.001

# lossの定義

criterion = torch.nn.CrossEntropyLoss()

# 最適化関数

optimizer = torch.optim.SGD(model.parameters(), lr=lr_rate)

図も踏まえて、どこの部分かもう少し見ていきます。

精度が出てるかどうか、CrossEntropyLossでlossを計算して、lossが小さくなるようにSGDでwを調整（最適化）します。

学習のループ

学習では、持っているデータセットを何回か繰り返して、精度をあげていきます。

loss算出 > 最適化の繰り返しですね。

loss_history = []
for epoch in range(5000):
    total_loss = 0
    for x, y in train_loader:

        # 学習ステップ
        optimizer.zero_grad()
        outputs = model(x)
        loss = criterion(outputs, y)
        loss.backward()
        optimizer.step()
        
        total_loss += loss.item()
        
    loss_history.append(total_loss)
    if (epoch +1) % 100 == 0:
        print(epoch + 1, total_loss)

loss_history = []

for epoch in range(5000):

total_loss = 0

for x, y in train_loader:

# 学習ステップ

optimizer.zero_grad()

outputs = model(x)

loss = criterion(outputs, y)

loss.backward()

optimizer.step()

total_loss += loss.item()

loss_history.append(total_loss)

if (epoch +1) % 100 == 0:

print(epoch + 1, total_loss)

optimizer.zero_grad()やloss.backward()、optimizer.step()は決まり文句のようなものです。

データセットを5000回繰り返して、精度をあげていっています。

学習率や、繰り返し数を変更して色々試してみてください。

lossがちゃんと下がっているか、確認してみましょう。

import matplotlib.pyplot as plt
plt.plot(loss_history)

1 2	import matplotlib.pyplot as plt plt.plot(loss_history)

lossがどんどん下がっています。精度が上がっている証拠です。

テスト

学習が終わったら、精度を確認します。

correct = 0
total = 0
for x, y in test_loader:
    outputs = model(x)
    _, predicted = torch.max(outputs.data, 1)
    total += y.size(0)
    correct += (predicted == y).sum().item()
print('正解率', int(correct)/total*100)

correct = 0

total = 0

for x, y in test_loader:

outputs = model(x)

_, predicted = torch.max(outputs.data, 1)

total += y.size(0)

correct += (predicted == y).sum().item()

print('正解率', int(correct)/total*100)

正解率 100.0

正解率 100.0

精度は100%です。

コードを捕捉します。

outputsには、(5, 3)のデータが入ります。

5はバッチサイズ＝データ数で、3の方がモデルの予測結果です。

次のようになります。

各データの数値が一番大きいところが、モデルが予測した分類結果としての確率が高いものです。

torch.maxで最大値を求めると、次のようになります。

これが、予測された分類結果となります。

これを、predected=y(答え)と照合して、正解率を算出します。

【YOLOv5】物体検出の精度と学習結果ｍAPの読み方について