LR训练方法介绍

本节使用Linear Regression展示shark进阶用法
数据集使用的红酒质量，feature是若干红酒属性数值，结果是质量打分0-10

#include <iostream>
#include <shark/Data/Csv.h>
#include <shark/Algorithms/Trainers/NormalizeComponentsUnitInterval.h>
#include <shark/Algorithms/Trainers/NormalizeComponentsUnitVariance.h>
#include <shark/Data/CVDatasetTools.h>
#include <shark/Algorithms/Trainers/LinearRegression.h>
#include <shark/ObjectiveFunctions/Loss/SquaredLoss.h>
using namespace shark;
using std::cout;
using std::endl;

int main(int argc, const char * argv[])
{
    try
    {
        //1.读取数据
        RegressionDataset data;            //类型为LabeledData<RealVector,RealVector>，专门用于预测数值使用
        importCSV(data, "winequality-red.csv", LAST_COLUMN);
        //2.normalize data
        //normalize的思路跟训练类似，都是定义model和trainer然后train，得到的模型再作用于data
        Normalizer<> normalizer;        //shark里大部分模板默认类型为RealVector，所以可以不写
        //NormalizeComponentsUnitInterval<> normalizingTrainer;     //normalize every input dimension to the range [0,1]，所以称为unit interval，即区间是统一的
        NormalizeComponentsUnitVariance<RealVector> normalizingTrainer(true);       //adjust the variance of each component to one, and can optionally remove the mean，所以称为unit variance，即variance是统一的
        normalizingTrainer.train(normalizer, data.inputs());        //使用data的feature部分进行训练，至于内部实现就不清楚了
        data = transformInputs(data, normalizer);           //得到normalizer模型后使用transformInputs作用于原始数据，返回处理过后的数据。此处也可以自己定义函数对象传入
        //exportCSV(data, "normalize_2.csv", LAST_COLUMN);
        //3.使用k-fold-cross-validation进行训练
        double dAcumResult = 0.0;
        CVFolds<RegressionDataset> folds = createCVSameSize(data, 10);      //k = 10，每个fold规模一样。如果要使用stratified sampling用createCVSameSizeBalanced
        for (unsigned i = 0; i != folds.size(); ++i)
        {
            // access the fold
            RegressionDataset training = folds.training(i);
            RegressionDataset validation = folds.validation(i);
            // train
            LinearModel<> model;
            LinearRegression trainer;
            trainer.train(model, training);
            //evaluate
            Data<RealVector> prediction = model(validation.inputs());
            SquaredLoss<> loss;
            double dResult = loss(validation.labels(), prediction);
            cout << "squared loss: " << dResult << endl;
            dAcumResult += dResult;
        }
        cout << "mean loss: " << dAcumResult / folds.size() << endl;
        
        //补充说明：貌似normalize没有什么作用，至少对这个数据集不normalize、UnitInterval、UnitVariance最后得到的loss都一样
        //推测可能是trainer内部做了什么调整？
    }
    catch (const std::exception &e)
    {
        cout << e.what() << endl;
    }
    return 0;
}