搜广推校招面经四十六

Minimax llm&广告推荐算法

一、反向梯度下降的数学推导（以逻辑回归为例）

1.1. 模型定义

假设模型为逻辑回归，输入特征为 $\mathbf{x}\in {\mathbb{R}}^d$，权重参数为 $\mathbf{w}\in {\mathbb{R}}^d$，偏置为 $b\in \mathbb{R}$。
模型输出为：
$$z={\mathbf{w}}^T\mathbf{x}+b$$
通过 Sigmoid 函数得到概率：
$$p=\sigma (z)=\frac{1}{1+e^{-z}}$$
损失函数为二元交叉熵：
$$L=-y\log p-(1-y)\log (1-p)$$

1.2. 反向梯度推导

（1）损失对概率 $p$ 求导

$$\frac{\partial L}{\partial p}=-\frac{y}{p}+\frac{1-y}{1-p}$$

（2）概率 $p$ 对 Sigmoid 输入 $z$ 求导

$$\frac{\partial p}{\partial z}=\sigma (z)(1-\sigma (z))=p(1-p)$$

（3）Sigmoid 输入 $z$ 对参数 $\mathbf{w}$ 求导

$$\frac{\partial z}{\partial \mathbf{w}}=\mathbf{x}$$

（4）链式法则合并

$$\frac{\partial L}{\partial \mathbf{w}}=\frac{\partial L}{\partial p}\cdot \frac{\partial p}{\partial z}\cdot \frac{\partial z}{\partial \mathbf{w}}$$
代入具体表达式：
$$\frac{\partial L}{\partial \mathbf{w}}=\left(-\frac{y}{p}+\frac{1-y}{1-p}\right)\cdot p(1-p)\cdot \mathbf{x}$$
化简后：
$$\frac{\partial L}{\partial \mathbf{w}}=(p-y)\cdot \mathbf{x}$$

3. 参数更新公式

梯度下降更新权重：
$$\mathbf{w}\leftarrow \mathbf{w}-\eta \cdot \frac{\partial L}{\partial \mathbf{w}}=\mathbf{w}-\eta \cdot (p-y)\cdot \mathbf{x}$$
其中，$\eta$ 为学习率。

二、手撕梯度下降

import numpy as npclass LogisticRegression:def __init__(self, learning_rate=0.01, num_iterations=1000):self.learning_rate = learning_rate        # 学习率self.num_iterations = num_iterations   # 迭代次数self.theta = None                                 # 模型参数def sigmoid(self, z):"""计算 Sigmoid 函数"""return 1 / (1 + np.exp(-z))def compute_cost(self, X, y):"""计算交叉熵损失函数"""m = len(y)p = self.sigmoid(np.dot(X, self.theta))cost = - (1/m) * np.sum(y * np.log(p) + (1 - y) * np.log(1 - p))return costdef gradient_descent(self, X, y):"""梯度下降优化"""m = len(y)for i in range(self.num_iterations):p = self.sigmoid(np.dot(X, self.theta))         # 计算预测值gradient = (1/m) * np.dot(X.T, (p- y))          # 计算梯度self.theta -= self.learning_rate * gradient     # 更新参数if i % 100 == 0:                                # 每100次输出一次损失值cost = self.compute_cost(X, y)print(f"Iteration {i}, Cost: {cost}")def fit(self, X, y):"""训练模型"""m, n = X.shapeself.theta = np.zeros(n)  # 初始化参数self.gradient_descent(X, y)def predict(self, X):"""预测新样本的类别"""probabilities = self.sigmoid(np.dot(X, self.theta))return probabilities >= 0.5  # 预测类别：如果大于等于 0.5，分类为 1，否则为 0

二、交叉熵和kl散度怎么用，分别在什么时候用

交叉熵和KL散度（Kullback-Leibler Divergence）是两种衡量概率分布之间差异的度量方式，它们在机器学习中有着广泛的应用。

2.1. 交叉熵

定义: 对于两个离散概率分布P和Q，其中P是我们的真实分布，Q是我们的估计分布，交叉熵定义为：

$$H(P,Q)=-\sum _{x}P(x)\log Q(x)$$

用途:

• 分类问题: 在多分类问题中，交叉熵损失函数常被用于评估模型预测的概率分布与真实标签之间的差异。特别是在使用softmax作为输出层激活函数时，交叉熵损失函数可以有效地衡量模型输出与实际类别之间的差距。
• 信息理论: 在信息论中，交叉熵衡量的是用编码方案Q来编码来自分布P的信息所需的平均比特数。

2.2. KL散度

定义: KL散度衡量的是两个概率分布P和Q之间的差异，它不是对称的，即$D_{KL}(P||Q)$并不等于$D_{KL}(Q||P)$。其定义如下：

$$D_{KL}(P||Q)=\sum _{x}P(x)\log \left(\frac{P(x)}{Q(x)}\right)$$

用途:

• 分布间差异比较: KL散度常用于衡量两个分布之间的“距离”。但它被称为“散度”而非“距离”，因为它不满足距离度量的所有条件（例如，不对称性）。它可以用来比较一个模型生成的分布与真实数据分布之间的相似性。
• 变分推断: 在贝叶斯推理中，特别是变分自动编码器（VAEs）等模型中，KL散度用于衡量近似后验分布与先验分布之间的差异，以优化模型参数。

2.3. 使用场景

• 交叉熵更适用于当你需要直接优化模型预测与实际标签之间的误差时，尤其是在分类任务中。
• KL散度更适合用于你需要衡量或最小化两个概率分布之间的差异的情况，例如在生成模型中对比生成的数据分布与真实数据分布的相似性。