Разреженная логистическая регрессия с SAGA

Код Machine Learning for Trading

Сводка

В этой заметке о настройке объясняется, почему в трёхклассовой логистической регрессии со штрафом L1 используется SAGA, а не решатель liblinear из scikit-learn. Указывается на совместимость с многоклассовыми задачами в новых версиях scikit-learn и сообщается, что в измеренных экспериментах с микроструктурой Nasdaq-100 алгоритм SAGA работал значительно быстрее. Вневыборочные log loss и точность также были лучше у SAGA во всех проверенных настройках.

Заметка посвящена установке допуска 0.001, чтобы разреженность L1 отражалась в коэффициентах, точно равных нулю. При более свободном допуске некоторые коэффициенты оставались близкими к нулю, искажая подсчёт отобранных признаков. В приведённых сравнениях при более строгой настройке разреженность была не ниже, чем у liblinear. Это результаты реализации и бенчмарка для конкретной панели, а не общие гарантии: время работы на всём наборе явно неизвестно, а его оценка зависит от неопределённой оценки масштабирования.

Ключевые идеи

SAGA поддерживает конфигурацию трёхклассовой логистической регрессии, для которой многоклассовая подгонка liblinear может завершиться ошибкой в новых версиях библиотеки.
В измеренных экспериментах на панели микроструктуры Nasdaq-100 SAGA оказался быстрее и показал несколько лучшие указанные вневыборочные метрики.
Более строгий допуск сходимости помогает отличить действительно нулевые коэффициенты L1 от малых ненулевых значений.
Указанное время замеров не позволяет установить длительность обработки набора полного размера.

# logistic_l1_C0.1.yaml


```yaml
# L1 logistic regression. The solver is `saga` rather than `liblinear`, and the tolerance
# is set explicitly rather than left at scikit-learn's 1e-4 default.
#
# Two reasons, and the first one is not optional. These labels are three-class (-1, 0, 1),
# and scikit-learn 1.8 makes multiclass `liblinear` a hard error; #740 already moved our
# floor to 1.7. `OneVsRestClassifier(liblinear)` would reproduce the current objective
# exactly - liblinear multiclass IS one-vs-rest - and would keep the problem below.
#
# The second is that `liblinear` does not finish. It is single-threaded coordinate descent
# and scales about N^1.4 here. Measured on nasdaq100_microstructure's `fwd_dir_15m` panel:
#
#     rows      liblinear 1000/1e-4     saga 200/1e-2
#     400,000     144.4s  converged      11.0s  converged
#   1,200,000     716.9s  converged      44.8s  converged
#
# which extrapolates to roughly eight hours per configuration at the full 16.9M rows against
# about twenty minutes. That is not a projection: `06_linear` ran 7h23m at 100% of one core
# on 2026-09-05 and was killed with two of thirteen configurations still unfinished, both of
# them these L1 ones.
#
# saga is also better out of sample at every C measured here: log loss 1.0273-1.0276 against
# liblinear's 1.0293-1.0294, and accuracy 0.415-0.420 against 0.404-0.410.
#
# `tol: 0.001` here rather than the 0.01 the weakly-penalised configurations use, because
# this is where the penalty binds and exact sparsity is the point of the sweep. At 1e-2 saga
# leaves coefficients stranded NEAR zero instead of AT zero, which `coef_ != 0` then counts
# as live. Measured on the same panel, exact zeros against coefficients below 1e-8, out of
# 198:
#
#     C        liblinear 1e-4     saga 1e-2        saga 1e-3
#     0.001      128 / 128         148 / 149        157 / 157
#     0.01        40 /  40          24 /  52         87 /  87
#     0.1          8 /   8           3 /   4         24 /  26
#
# The 24-against-52 at C=0.01 is the defect: twenty-eight coefficients below 1e-8 that are
# not zero. At 1e-3 the two counts agree and saga is *more* sparse than liblinear at every C
# here, so the tighter tolerance is not a concession - it is what makes the L1 solution an
# L1 solution.
#
# Cost at 1.2M rows: 226s, 352s and 287s for C=0.001, 0.01 and 0.1 against liblinear's 30s,
# 202s and 499s. **The full-panel cost of this arm is not established** - the 16.9M-row
# extrapolation is uncertain because it rests on a single scaling estimate taken from the
# tol=1e-2 timings. Watch it on the first run rather than assuming it is small.
model_class: LogisticRegression
params:
  C: 0.1
  max_iter: 200
  penalty: l1
  solver: saga
  tol: 0.001

```

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: MIT

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.

Выбор SAGA и допуска для разреженной многоклассовой логистической регрессии

Сводка

Ключевые идеи

Теги