ghost/LogisticRegression.cpp at master · ghostceo/ghost · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
#include "LogisticRegression.h"
LogisticRegression::LogisticRegression(int size, int in, int out) {
  N = size;
  n_in = in;
  n_out = out;

  // initialize W, b
  W = new double*[n_out];
  for(int i=0; i<n_out; i++) W[i] = new double[n_in];
  b = new double[n_out];

  for(int i=0; i<n_out; i++) {
    for(int j=0; j<n_in; j++) {
      W[i][j] = 0;
    }
    b[i] = 0;
  }
}

LogisticRegression::~LogisticRegression() {
  for(int i=0; i<n_out; i++) delete[] W[i];
  delete[] W;
  delete[] b;
}


void LogisticRegression::train(int *x, int *y, double lr) {
  double *p_y_given_x = new double[n_out];
  double *dy = new double[n_out];

  for(int i=0; i<n_out; i++) {
    p_y_given_x[i] = 0;
    for(int j=0; j<n_in; j++) {
      p_y_given_x[i] += W[i][j] * x[j];
    }
    p_y_given_x[i] += b[i];
  }
  softmax(p_y_given_x);

  for(int i=0; i<n_out; i++) {
    dy[i] = y[i] - p_y_given_x[i];

    for(int j=0; j<n_in; j++) {
      W[i][j] += lr * dy[i] * x[j] / N;
    }

    b[i] += lr * dy[i] / N;
  }
  delete[] p_y_given_x;
  delete[] dy;
}

void LogisticRegression::softmax(double *x) {
  double max = 0.0;
  double sum = 0.0;

  for(int i=0; i<n_out; i++) if(max < x[i]) max = x[i];
  for(int i=0; i<n_out; i++) {
    x[i] = exp(x[i] - max);
    sum += x[i];
  }

  for(int i=0; i<n_out; i++) x[i] /= sum;
}

void LogisticRegression::predict(int *x, double *y) {
  for(int i=0; i<n_out; i++) {
    y[i] = 0;
    for(int j=0; j<n_in; j++) {
      y[i] += W[i][j] * x[j];
    }
    y[i] += b[i];
  }

  softmax(y);
}


// void test_lr() {
//   srand(0);

//   double learning_rate = 0.1;
//   int n_epochs = 500;

//   int train_N = 6;
//   int test_N = 2;
//   int n_in = 6;
//   int n_out = 2;


//   // training data
//   int train_X[6][6] = {
//     {1, 1, 1, 0, 0, 0},
//     {1, 0, 1, 0, 0, 0},
//     {1, 1, 1, 0, 0, 0},
//     {0, 0, 1, 1, 1, 0},
//     {0, 0, 1, 1, 0, 0},
//     {0, 0, 1, 1, 1, 0}
//   };

//   int train_Y[6][2] = {
//     {1, 0},
//     {1, 0},
//     {1, 0},
//     {0, 1},
//     {0, 1},
//     {0, 1}
//   };


//   // construct LogisticRegression
//   LogisticRegression classifier(train_N, n_in, n_out);


//   // train online
//   for(int epoch=0; epoch<n_epochs; epoch++) {
//     for(int i=0; i<train_N; i++) {
//       classifier.train(train_X[i], train_Y[i], learning_rate);
//     }
//     // learning_rate *= 0.95;
//   }


//   // test data
//   int test_X[2][6] = {
//     {1, 0, 1, 0, 0, 0},
//     {0, 0, 1, 1, 1, 0}
//   };

//   double test_Y[2][2];


//   // test
//   for(int i=0; i<test_N; i++) {
//     classifier.predict(test_X[i], test_Y[i]);
//     for(int j=0; j<n_out; j++) {
//       cout << test_Y[i][j] << " ";
//     }
//     cout << endl;
//   }

// }