赞
踩
目录
超参数 是指模型在训练过程中并不能直接从数据学习到的参数,如随机梯度下降算法中的 学习率 (步长)。出于计算复杂度和算法效率等,我们并不能从数据中直接学习一个普适性较强的学习速,该超参数却又十分重要:较大的学习率令模型不易收敛到合适的较小值,而较小的学习速率使模型训练过慢。对于这类超参数,通常需要在训练模型前设定好。因此,对于超参数众多的复杂模型,微调超参数就变得相当艰难,而如何 高效地搜索潜在的超参数空间 就显得十分重要。
1) 模型原理与性质概述
- 逻辑回归模型
- 树模型
- 集成模型
2) 模型对比与性能评估
- 逻辑回归模型/树模型/集成模型;
- 模型评估方法;
- 模型评价结果;
3) 模型调参方法概述
- 贪心调参方法;
- 网格调参方法;
- 贝叶斯调参方法;
- 逻辑回归模型:https://blog.csdn.net/han_xiaoyang/article/details/49123419
- 决策树模型:https://blog.csdn.net/c406495762/article/details/76262487
- GBDT 模型:https://zhuanlan.zhihu.com/p/45145899
- XGBoost 模型:https://blog.csdn.net/wuzhongqiang/article/details/104854890
- LightGBM 模型:https://blog.csdn.net/wuzhongqiang/article/details/105350579
- Catboost 模型:https://mp.weixin.qq.com/s/xloTLr5NJBgBspMQtxPoFA
- RNN:https://zhuanlan.zhihu.com/p/45289691
- LSTM:https://zhuanlan.zhihu.com/p/83496936
- 《机器学习》:https://book.douban.com/subject/26708119/
- 《统计学习方法》:https://book.douban.com/subject/10590856/
- 《面向机器学习的特征工程》:https://book.douban.com/subject/26826639/
- 《信用评分模型技术与应用》:https://book.douban.com/subject/1488075/
- 《数据化风控》:https://book.douban.com/subject/30282558/
1) 优点
- 训练速度较快,分类的时候,计算量仅仅只和特征的数目相关;
- 简单易理解,模型的可解释性非常好,从特征的权重可以看到不同的特征对最后结果的影响;
- 适合二分类问题,不需要缩放输入特征;
- 内存资源占用小,只需要存储各个维度的特征值;
2) 缺点
- 逻辑回归需预处理缺失值/异常值;
- 不能用逻辑回归回归去解决非线性问题,因其决策面是线性的;
- 对多重共线性数据较为敏感,且很难处理数据不平衡的问题;
- 准确率并不高,因为形式非常简单,很难去拟合数据的真实分布;
1) 优点
- 简单直观,生成的决策树可以可视化展示;
- 数据不需要预处理,无需归一化,无需处理缺失值;
- 既可以处理离散值,也可以处理连续值;
2) 缺点
- 决策树算法非常容易过拟合,导致泛化能力不强 (可进行适当剪枝);
- 采用的是贪心算法,容易得到局部最优解 ;
集成模型通过组合多个学习器来完成学习任务。通过集成方法,可将多个弱学习器组合成一个强分类器,因此集成学习的泛化能力一般比单一分类器要好。
集成方法主要包括 Bagging 和 Boosting,Bagging 和 Boosting 都是将已有的分类或回归算法通过一定方式组合起来,形成一个更加强大的分类。两种方法都是把若干个分类器整合为一个分类器的方法,只是整合的方式不一样,最终得到不一样的效果。常见的基于 Baggin 思想的集成模型有:随机森林;基于 Boosting 思想的经典集成模型有:Adaboost、GBDT、XgBoost、LightGBM 等。
Bagging 和 Boosting 的区别:
- 样本选择上:Bagging 方法的训练集是从原始集中有放回的选取,所以从原始集中选出的各轮训练集之间是独立的;而 Boosting 方法需要每一轮的训练集不变,只是训练集中每个样本在分类器中的权重发生变化。而权值是根据上一轮的分类结果进行调整
- 样例权重上:Bagging 方法使用均匀取样,所以每个样本的权重相等;而 Boosting 方法根据错误率不断调整样本的权值,错误率越大则权重越大
- 预测函数上:Bagging 方法中所有预测函数的权重相等;而 Boosting 方法中每个弱分类器都有相应的权重,对于分类误差小的分类器会有更大的权重
- 并行计算上:Bagging 方法中各个预测函数可以并行生成;而 Boosting 方法各个预测函数只能顺序生成,因为后一个模型参数需要前一轮模型的结果。
对于模型来说,其在训练集上面的误差称之为 训练误差 / 经验误差,而在测试集上的误差称之为 测试误差。
对于我们来说,更关心的是模型对于新样本的学习能力,即我们希望通过对已有样本的学习,尽可能的将所有潜在样本的普遍规律学到手,而如果模型对训练样本学的太好,则有可能把训练样本自身所具有的一些特点当做所有潜在样本的普遍特点,这时候我们就会出现 过拟合 的问题。
因此我们通常将已有的数据集划分为训练集和测试集两部分,其中 训练集 用来训练模型,而 测试集 则是用来评估模型对于新样本的判别能力。
对于数据集的划分,通常要保证满足以下两个条件:
- 训练集和测试集的分布要与样本真实分布一致,即训练集和测试集都要保证是从样本真实分布中独立同分布采样而得;
- 训练集和测试集要互斥
对于数据集的划分,主要有三种方法:留出法,交叉验证法 和 自助法。
1) 留出法
留出法是直接将数据集
2) 交叉验证法
k 折交叉验证 通常将数据集
3) 自助法
每次从数据集
关于 36.8% 的数据从未出现的原因:
4) 小结
- 对于数据量充足时,通常采用 留出法 或 k 折交叉验证法 划分;
- 对于数据集小且难以有效划分训练/测试集时,使用 自助法;
- 对于数据集小且可有效划分训练/测试集时,最好使用 留一法,因为这种方法最为准确 。
本赛选用 F1-score 作为模型评价标准,关于评价指标,首先复习相关内容再作概述。
精确率 和召回率 主要用于 二分类 问题。结合 混淆矩阵 (confusion matrix) 如下所示:
其中,各标识含义为:
可见,样本总数 = TP + TN + FP + FN。
现在,不妨以医院检测为例,设阴性样本 (正常) 为正例 (P),阳性样本 (确诊) 为负例 (N)。TP 和 TN 表示检测试剂准确,将阴性样本正确检测为阴性 (TP),将阳性样本正确检测为阴性 (TP);FP 和 FN 则说明检测试剂有误,把病人检测为正常人 (FP),把正常人检测成病人 (FN)。显然,在医疗检测的场景当中,假阳 (FN) 尚可以接受,假阴 (FP) 则绝对不允许。因为假阳 (FN) 还可以再检测,以确认是真阳 (TN) 还是假阳 (FN);但如果是假阴 (FP),则不但会放过真正的病例 (N),还可能对他人造成危害。因此,医疗检测试剂会比一般标准更加敏感,以提高 ,避免出现漏网之鱼。
可见, 反映了 所有分类器判断为正例的样本 (TP + FP) 中,真的正样本 (TP) 所占的比例。
可见, 反映了 所有实际的正样本 (TP + FN) 中,真的正样本 (TP) 所占的比例。
在一些应用中,对 和 的重视程度有所不同。例如,在推荐系统中,目标为尽可能少打扰用户时,更希望推荐内容确是用户感兴趣的,此时 更重要 (精准推荐,宁缺毋滥);而在检验检疫时,为尽可能少漏掉有疫病的样本,更希望找出尽可能多的有嫌疑样本,此时 更重要 (宁可抓错一千,不可放过一个)。
在 的一般泛化形式 中, 度量了 对 的相对重要性,相当于 赋予不同权重以表达出对二者的不同偏好。 时退化为标准 ; 时 相对影响更大; 时 相对影响更大。
注意,与算术平均 和几何平均 相比,调和平均更重视较小值。为权衡不同类型错误所造成的不同损失,可为错误赋予 “非均等代价 (unequal cost)”。在非均等代价下,我们所希望的不再是简单地最小化错误次数,而是希望最小化 “总体代价 (total cost)” 。
对于 多分类, F1-score 的两种常用计算方式为 Micro 和 Macro,其中:
可见,二者的区别源于组合先后顺序的差异,但 实际中 Macro 更常用。
1) 导入基本依赖组合
- import numpy as np
- import pandas as pd
- from sklearn.metrics import f1_score
-
- import os
- import seaborn as sns
- import matplotlib.pyplot as plt
-
- import warnings
- warnings.filterwarnings("ignore")
2) 加载数据并量化压缩
- train = pd.read_csv('./data/train.csv')
- test = pd.read_csv('./data/testA.csv')
- def reduce_mem_usage(df):
- # 处理前 数据集总内存计算
- start_mem = df.memory_usage().sum() / 1024**2
- print('Memory usage of dataframe is {:.2f} MB'.format(start_mem))
-
- # 遍历特征列
- for col in df.columns:
- # 当前特征类型
- col_type = df[col].dtype
- # 处理 numeric 型数据
- if col_type != object:
- c_min = df[col].min() # 最小值
- c_max = df[col].max() # 最大值
- # int 型数据 精度转换
- if str(col_type)[:3] == 'int':
- if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:
- df[col] = df[col].astype(np.int8)
- elif c_min > np.iinfo(np.int16).min and c_max < np.iinfo(np.int16).max:
- df[col] = df[col].astype(np.int16)
- elif c_min > np.iinfo(np.int32).min and c_max < np.iinfo(np.int32).max:
- df[col] = df[col].astype(np.int32)
- elif c_min > np.iinfo(np.int64).min and c_max < np.iinfo(np.int64).max:
- df[col] = df[col].astype(np.int64)
- # float 型数据 精度转换
- else:
- if c_min > np.finfo(np.float16).min and c_max < np.finfo(np.float16).max:
- df[col] = df[col].astype(np.float16)
- elif c_min > np.finfo(np.float32).min and c_max < np.finfo(np.float32).max:
- df[col] = df[col].astype(np.float32)
- else:
- df[col] = df[col].astype(np.float64)
- # 处理 object 型数据
- else:
- df[col] = df[col].astype('category') # object 转 category
-
- # 处理后 数据集总内存计算
- end_mem = df.memory_usage().sum() / 1024**2
- print('Memory usage after optimization is: {:.2f} MB'.format(end_mem))
- print('Decreased by {:.1f}%'.format(100 * (start_mem - end_mem) / start_mem))
-
- return df
- train_list = [] # 训练集列表
-
- # 遍历每一条样本,分离信号数据作为独立特征 (id + 205 1-lead ECG records + label)
- for items in train.values:
- train_list.append([items[0]] + [float(i) for i in items[1].split(',')] + [items[2]])
-
- # 数据类型转换 list -> numpy -> DataFrame
- train = pd.DataFrame(np.array(train_list))
-
- # 特征名构造 id + s_0 ~ s_205 + label
- train.columns = ['id'] + ['s_' + str(i) for i in range(len(train_list[0])-2)] + ['label']
-
- # 内存优化
- train = reduce_mem_usage(train)
-
- # 查看
- train.head()
- # 同理,对测试集量化压缩
- test_list=[]
- for items in test.values:
- test_list.append([items[0]] + [float(i) for i in items[1].split(',')])
- test = pd.DataFrame(np.array(test_list))
- test.columns = ['id'] + ['s_'+str(i) for i in range(len(test_list[0])-1)]
- test = reduce_mem_usage(test)
- test.head() # without labels
通常,出于 树模型 的算法特性,其 可直接处理异常值/缺失值而无需手动处理。但若对业务较为了解,也可自行处理缺失异常值,结果可能更优于模型自动处理。
此外,出于建模调参学习的主要目的,以下学习内容直接使用了原特征。实际中,还可以自动或手动构造各类统计、交叉、组合特征,并通过 过滤式(Fillter)、包裹式 (Wrapper) 和 嵌入式 (Embedded) 等方法进行特征选择。通常,用 sklearn.feature_selection 模块自动选择 或 根据树模型的 feature_importances_ 属性手动筛选。
1) 简单设定
- from sklearn.model_selection import KFold
-
- # 训练-验证集标签与数据分离,方便进行 K-fold 交叉验证
- X_train = train.drop(['id', 'label'], axis=1)
- y_train = train['label']
-
- # 随机数种子
- seed = 2021
-
- # 5-fold 交叉验证
- folds = 5
- kf = KFold(n_splits=folds, shuffle=True, random_state=seed)
2) 指标定义
因为树模型中没有 F1-score 评价指标,所以需自行定义,以便于在模型迭代中根据验证集 F1-score 的变化情况了解模型的收敛状况。
- def f1_score_vali(preds, data_vali):
- labels = data_vali.get_label()
- preds = np.argmax(preds.reshape(4, -1), axis=0)
- score_vali = f1_score(y_true=labels, y_pred=preds, average='macro')
- return 'f1_score', score_vali, True
关于 F1-score 的计算方式如下所示:
其中,F1-score 计算的 API —— fl_score 方法的形参 'average' 是 多类别/多标签 目标函数所必须的,其可选参数包括 None, 'binary' (default), 'micro', 'macro', 'samples', 'weighted',其中:
- None:返回各类别的 F1-score
- binary:仅适用于二分类,当 pos_label 为 1 时,返回类别 1 的 F1-score
- micro:通过先计算总体的 TP、FN 和 FP 的数量,再全局计算 F1-score
- macro:宏 F1,分别计算每个类别的 F1-score,然后取算术平均 (各类别权重均等) —— 视各类别重要性一致 (对占少数类的样本影响较大)
- weighted:作为取算术平均的 macro 算法的改良版,weighted 算法取加权平均 (各类别权重取决于该类样本在总样本数中的占比)
- samples:计算每个实例的度量,并找到它们的平均值
关于更详细的内容,可见:
3) 数据划分
- import lightgbm as lgb
- from sklearn.model_selection import train_test_split
-
- # 留出法划分数据集
- X_train_split, X_val, y_train_split, y_val = train_test_split(X_train, y_train, test_size=0.2)
- train_matrix = lgb.Dataset(X_train_split, label=y_train_split) # 训练集
- valid_matrix = lgb.Dataset(X_val, label=y_val) # 验证集
4) 建模训练
- # 参数定义
- params = {
- "learning_rate": 0.1,
- "boosting": 'gbdt',
- "lambda_l2": 0.1,
- "max_depth": -1,
- "num_leaves": 128,
- "bagging_fraction": 0.8,
- "feature_fraction": 0.8,
- "metric": None,
- "objective": "multiclass",
- "num_class": 4,
- "nthread": 10,
- "verbose": -1,
- }
-
- # 模型训练
- model = lgb.train(params,
- train_set=train_matrix,
- valid_sets=valid_matrix,
- num_boost_round=2000,
- verbose_eval=100,
- early_stopping_rounds=200,
- feval=f1_score_vali) # 使用了自定义指标
5) 验证得分
- # 使用模型迭代最佳参数进行验证集预测
- val_pre_lgb = model.predict(X_val, num_iteration=model.best_iteration)
- # 取最大值作为预测值
- preds = np.argmax(val_pre_lgb, axis=1)
- # 计算验证集 F1-score
- score = f1_score(y_true=y_val, y_pred=preds, average='macro')
-
- print(f'未调参前lightgbm单模型在验证集上的f1:{score}')
6) 交叉验证
- # 每 fold 的验证得分
- cv_scores = []
- # 5-fold CV
- for i, (train_index, valid_index) in enumerate(kf.split(X_train, y_train)):
- print('************************************ {} ************************************'.format(str(i+1)))
- X_train_split, y_train_split, X_val, y_val = X_train.iloc[train_index], y_train[train_index], X_train.iloc[valid_index], y_train[valid_index]
- # 构造数据格式
- train_matrix = lgb.Dataset(X_train_split, label=y_train_split)
- valid_matrix = lgb.Dataset(X_val, label=y_val)
- # 模型参数
- params = {
- "learning_rate": 0.1,
- "boosting": 'gbdt',
- "lambda_l2": 0.1,
- "max_depth": -1,
- "num_leaves": 128,
- "bagging_fraction": 0.8,
- "feature_fraction": 0.8,
- "metric": None,
- "objective": "multiclass",
- "num_class": 4,
- "nthread": 10,
- "verbose": -1,
- }
- # 模型训练
- model = lgb.train(params,
- train_set=train_matrix,
- valid_sets=valid_matrix,
- num_boost_round=2000,
- verbose_eval=100,
- early_stopping_rounds=200,
- feval=f1_score_vali)
- # 验证集预测并计分
- val_pred = model.predict(X_val, num_iteration=model.best_iteration)
- val_pred = np.argmax(val_pred, axis=1)
- cv_scores.append(f1_score(y_true=y_val, y_pred=val_pred, average='macro'))
- print(cv_scores)
-
- print("lgb_scotrainre_list:{}".format(cv_scores))
- print("lgb_score_mean:{}".format(np.mean(cv_scores)))
- print("lgb_score_std:{}".format(np.std(cv_scores)))
贪心调参,其思想类似于 贪心算法:先对当前对模型影响最大的参数调优,达到最优后,再使用对模型影响次之的参数调优,根据参数重要性依次进行,直至所有参数调优完毕,容易理解。
然而,贪心调参的 缺点 在于:可能每次调参得到的参数仅仅是对于当前最优,但随着后续其他参数的调整,可能最终会达到局部最优而非全局最优。当然,尽管在 ML / DL 非凸的特征空间下本来也近乎不可能达到全局最优,但就算是局部最优也分优劣好坏。
注意,在树模型中,根据对模型的影响程度,常用的参数和调参顺序如下所示:
- max_depth、num_leaves
- min_data_in_leaf、min_child_weight
- bagging_fraction、 feature_fraction、bagging_freq
- reg_lambda、reg_alpha
- min_split_gain
可依次将模型的参数通过以下方式调优,并可视化每个最优参数下模型的得分情况:
- """ 通过贪心法确定最优参数 (注意是伪代码, 不要直接运行) """
-
- from sklearn.model_selection import cross_val_score
-
- # objective 调优
- best_obj = dict() # 表示用于记录最佳结果
- objects = [...] # 表示存储待调参选项
- for obj in objects:
- model = LGBMRegressor(objective=obj)
- # 预测并计算 roc 的相关指标
- score = cross_val_score(model, X_train, y_train, cv=5, scoring='f1').mean()
- best_obj[obj] = score # 记录
-
- # num_leaves 调优
- best_leaves = dict() # 表示用于记录最佳结果
- num_leaves = [...] # 表示存储待调参选项
- for leaves in num_leaves:
- model = LGBMRegressor(objective=min(best_obj.items(), key=lambda x:x[1])[0],
- num_leaves=leaves)
- # 预测并计算 roc 的相关指标
- score = cross_val_score(model, X_train, y_train, cv=5, scoring='f1').mean()
- best_leaves[leaves] = score # 记录
-
- # max_depth 调优
- best_depth = dict() # 表示用于记录最佳结果
- max_depth = [...] # 表示存储待调参选项
- for depth in max_depth:
- model = LGBMRegressor(objective=min(best_obj.items(), key=lambda x:x[1])[0],
- num_leaves=min(best_leaves.items(), key=lambda x:x[1])[0],
- max_depth=depth)
- # 预测并计算 roc 的相关指标
- score = cross_val_score(model, X_train, y_train, cv=5, scoring='f1').mean()
- best_depth[depth] = score # 记录
网格搜索 (Grid Search) 本质上是一种手动指定一组超参数的穷举搜索法,最后会将获得最佳性能的参数组作为最优超参数。
- """ 通过网格搜索确定最优参数 """
-
- from sklearn.model_selection import GridSearchCV
-
- def get_best_cv_params(learning_rate=0.1, n_estimators=581, num_leaves=31, max_depth=-1,
- bagging_fraction=1.0, feature_fraction=1.0, bagging_freq=0, min_data_in_leaf=20,
- min_child_weight=0.001, min_split_gain=0, reg_lambda=0, reg_alpha=0, param_grid=None):
-
- # 设置 5-fold 交叉验证
- cv_fold = KFold(n_splits=5, shuffle=True, random_state=2021)
-
- # 模型构建
- model_lgb = lgb.LGBMClassifier(learning_rate=learning_rate,
- n_estimators=n_estimators,
- num_leaves=num_leaves,
- max_depth=max_depth,
- bagging_fraction=bagging_fraction,
- feature_fraction=feature_fraction,
- bagging_freq=bagging_freq,
- min_data_in_leaf=min_data_in_leaf,
- min_child_weight=min_child_weight,
- min_split_gain=min_split_gain,
- reg_lambda=reg_lambda,
- reg_alpha=reg_alpha,
- n_jobs=-1
- )
- # 封装用于 GridSearchCV 和 cross_val_score 的 f1 评分函数
- f1 = make_scorer(f1_score, average='micro')
-
- # 网格搜索设置
- grid_search = GridSearchCV(estimator=model_lgb,
- cv=cv_fold,
- param_grid=param_grid,
- scoring=f1
- )
-
- # 开始拟合
- grid_search.fit(X_train, y_train)
-
- # 输出当前 fold 最优参数
- print('模型当前最优参数为:{}'.format(grid_search.best_params_))
- print('模型当前最优得分为:{}'.format(grid_search.best_score_))
- # 以下代码耗时较长,应谨慎运行,且每一步的最优参数需要在下一步进行手动更新
-
- """
- 注意:除上面获取 num_boost_round 时用的是原生的 lightgbm(因为要用自带的 cv)
- 以下配合 GridSearchCV 时必须使用 sklearn 接口的 lightgbm
- """
-
- # 设置n_estimators 为 581,调整num_leaves和max_depth,这里选择先粗调再细调
- lgb_params = {'num_leaves': range(10, 80, 5),
- 'max_depth': range(3,10,2)}
- get_best_cv_params(learning_rate=0.1, n_estimators=581, num_leaves=None, max_depth=None, min_data_in_leaf=20,
- min_child_weight=0.001,bagging_fraction=1.0, feature_fraction=1.0, bagging_freq=0,
- min_split_gain=0, reg_lambda=0, reg_alpha=0, param_grid=lgb_params)
-
- # num_leaves为30,max_depth为7,进一步细调num_leaves和max_depth
- lgb_params = {'num_leaves': range(25, 35, 1),
- 'max_depth': range(5,9,1)}
- get_best_cv_params(learning_rate=0.1, n_estimators=85, num_leaves=None, max_depth=None, min_data_in_leaf=20,
- min_child_weight=0.001,bagging_fraction=1.0, feature_fraction=1.0, bagging_freq=0,
- min_split_gain=0, reg_lambda=0, reg_alpha=0, param_grid=lgb_params)
-
- # 确定min_data_in_leaf为45,min_child_weight为0.001 ,下面进行bagging_fraction、feature_fraction和bagging_freq的调参
- lgb_params = {'bagging_fraction': [i/10 for i in range(5,10,1)],
- 'feature_fraction': [i/10 for i in range(5,10,1)],
- 'bagging_freq': range(0,81,10)
- }
- get_best_cv_params(learning_rate=0.1, n_estimators=85, num_leaves=29, max_depth=7, min_data_in_leaf=45,
- min_child_weight=0.001,bagging_fraction=None, feature_fraction=None, bagging_freq=None,
- min_split_gain=0, reg_lambda=0, reg_alpha=0, param_grid=lgb_params)
-
- # 确定bagging_fraction为0.4、feature_fraction为0.6、bagging_freq为 ,下面进行reg_lambda、reg_alpha的调参
- lgb_params = {'reg_lambda': [0,0.001,0.01,0.03,0.08,0.3,0.5],
- 'reg_alpha': [0,0.001,0.01,0.03,0.08,0.3,0.5]}
- get_best_cv_params(learning_rate=0.1, n_estimators=85, num_leaves=29, max_depth=7, min_data_in_leaf=45,
- min_child_weight=0.001,bagging_fraction=0.9, feature_fraction=0.9, bagging_freq=40,
- min_split_gain=0, reg_lambda=None, reg_alpha=None, param_grid=lgb_params)
-
- # 确定reg_lambda、reg_alpha都为0,下面进行min_split_gain的调参
- lgb_params = {'min_split_gain': [i/10 for i in range(0,11,1)]}
- get_best_cv_params(learning_rate=0.1, n_estimators=85, num_leaves=29, max_depth=7, min_data_in_leaf=45,
- min_child_weight=0.001,bagging_fraction=0.9, feature_fraction=0.9, bagging_freq=40,
- min_split_gain=None, reg_lambda=0, reg_alpha=0, param_grid=lgb_params)
- # 参数确定好以后,设置一个比较小的 learning_rate=0.005,来确定最终的 num_boost_round
-
- final_params = {
- 'boosting_type': 'gbdt',
- 'learning_rate': 0.01,
- 'num_leaves': 29,
- 'max_depth': 7,
- 'objective': 'multiclass',
- 'num_class': 4,
- 'min_data_in_leaf':45,
- 'min_child_weight':0.001,
- 'bagging_fraction': 0.9,
- 'feature_fraction': 0.9,
- 'bagging_freq': 40,
- 'min_split_gain': 0,
- 'reg_lambda':0,
- 'reg_alpha':0,
- 'nthread': 6
- }
-
- cv_result = lgb.cv(train_set=lgb_train,
- early_stopping_rounds=20,
- num_boost_round=5000,
- nfold=5,
- stratified=True,
- shuffle=True,
- params=final_params,
- feval=f1_score_vali,
- seed=0,
- )
实际过程中,可先设置一个较大的学习率(如 0.1),通过 LightGBM 原生的 CV 函数确定树个数,之后再通过上述实例代码进行参数调优。最后针对最优的参数设置一个较小的学习率(例如 0.05),同样通过 CV 函数确定树个数,确定最终的参数。注意,针对大数据集,上面每一层参数的调整都需要耗费较长时间。
此外,除 网格搜索 (Grid Search) 外,还有更高效的 随机搜索 (Random Search),二者的二维超参数搜索空间示例如上图所示,容易理解不再赘述。
1) 贝叶斯调参的主要思想:
给定待优化的目标函数 (广义的函数,只需指定输入和输出即可,无需知道内部结构以及数学性质),通过不断地添加样本点来更新目标函数的后验分布 (高斯过程,直到后验分布基本贴合于真实分布),从而选择出最优的超参数以对真实目标函数进行评估。简言之,利用先验知识/基于数据使用贝叶斯定理估计/逼近未知目标函数的后验分布 —— 每次迭代考虑了上一次参数的信息,从而更好的调整当前的参数,然后再根据当前分布选择下一个采样的超参数组合。
2) 贝叶斯优化的原理简述:
事实上,网格搜索 (Grid Search) 穷举地搜索整个超参数空间,在高维空间上却并不起作用,因为它太容易遇到 维度灾难 (dimension disaster) 了。相比之下,随机搜索 (Random Search) 进行稀疏的简单随机抽样并不会遇到该问题,因此随机搜索方法广泛地应用于实践中。但随机搜索 并不能利用先验知识来选择下一组超参数,这一缺点在训练成本较高的模型中尤为突出。因此,能利用先验知识高效调节超参数 的 贝叶斯优化 (Bayesian Optimization) 受到了广泛关注。
假设,有一函数 f(x) (不一定为解析表达式),其计算代价很大且导数未知,若希望找到其全局最小值点,则非常困难。至少,梯度下降方法适用的问题中 (如深度学习),还可以通过求解梯度等来进行迭代优化,使得优化器有方向可循。但即便如此,梯度下降方法在非凸优化问题中,也很难搜索到全局最小值点,连避免陷入局部最小值点都需要十分注意。与此同时,理想情况下,通过覆盖样本空间 —— 输入所有可行域中的 x 以计算出所有的 f(x),从而完整刻画出 f 并找到全局最小值点。但实际中,样本数量是十分有限的,优化器也必须在采样得到的有限样本中进行。此时,如此苛刻的要求下,简单的网格搜索乃至非梯度优化方法 (如模拟退火) 将不再十分适用。
现在,构造一个目标函数 c(x),即模型在指定数据点 x 下的代价/成本构成的曲线,其实际情况对优化器而言是未知的,而优化任务即找到一组能最大化学习效果的超参数。目标函数 c(x) 如下所示:
贝叶斯优化可通过 代理优化 (Surrogate Optimization) 方法解决求解最小值点的问题。作为目标函数 c(x) 的一种近似,代理函数 (Surrogate Function) 可基于所有的 已采样点 (Sampled Points) x 而构建。如下图所示,深蓝色实心点 为第一批已采样点,浅蓝色虚线 是基于第一批已采样点构造的一条代理函数曲线。
接着,可根据代理函数来识别哪些数据点可能是潜在的最小值,如上图最下方指出的 具有潜力的最小值 (Promising Minima) 的位置。然后,在这些有潜力范围内执行更多采样,并依此更新代理函数。如下图所示,浅蓝色实心点 为第二批采样点,浅蓝色实线 为根据第二批已采样点更新的一条代理函数曲线。
接下来,每次迭代都要继续观察当前的代理函数,通过采样对具有最小值潜力的相关区域进行更多 “试探 / 认知”,然后依据新采样点更新代理函数。经过一定次数的迭代后,优化的目标是抵达全局最小值。若该函数的形状非常古怪 (比如各式各样离谱的 “大起大落”),则有必要怀疑数据是否存在问题。
不难发现,这种 基于代理的优化方法 不但 不必对函数作出假设 (只要是可优化的即可),而且 无需导数及其相关信息,即可 通过不断更新的近似函数来执行常识推理,此时开头所述的优化难题迎刃而解。
已知,贝叶斯统计和建模和本质是基于新信息的 先验信息 (Prior Information),得到更新后的 后验信息 (Posterior Information),这正是代理优化方法工作的基本思想。
事实上,代理函数的构造通常表示为 高斯过程 (Gaussian Process)。通过该过程,会得到若干拟合了给定已采样数据点的函数及其各自的概率。如下左图所示,根据已采样的 4 个数据点 (黑色实心点) 可以生成若干基于高斯过程的函数 (彩色实线);如下右图则显示了将这些函数聚合后的形状。
至于使用高斯过程而非其他曲线拟合方式建模代理函数的原因在于,高斯过程本质上就是贝叶斯模式的。高斯过程作为一种概率分布,表征着一个事件所有最终结果的分布一样,即所有可能的函数上的分布。
例如,在《通信原理》中,随机过程 (Random Process) 是一类不能用确切的时间函数描述的、但却随时间作随机变化的过程。从全局上看 (所有时间),随机过程可视为不同随机试验结果的时间过程的集合 (即所有样本函数的集合);从局部上看 (某个时刻),随机过程是在时间进程中,处于不同时刻的随机变量的集合。若随机过程的任意 n 维分布均服从正态分布,则称之为正态过程或 高斯过程 (Gaussian Process)。通信信道的噪声,通常就用到了高斯过程来描述。
再如,设当前的已采集数据点集可由函数 a(x) 表示 40%、由函数 b(x) 表示 10% 等。通过将代理函数表示成概率分布,则可使用新采集数据点信息、通过固有的概率贝叶斯过程完成代理函数的更新。然而,当新采集数据点信息被引入时,可能 a(x) 函数此时只能表示 20% 的数据了。这样的变化受贝叶斯公式的约束,会使得类似于新数据点的多项式回归拟合目标难以完成,甚至无法完成。
为此,表示成先验概率分布的代理函数会通过一个 采集函数 (Acquisition Function) 而更新。采集函数负责在 探索 (Explore) 与 利用 (Exploit) 权衡 (trade-off) 的基础上,对提议的新数据点进行测试。其中,探索 (Explore) 旨在采样不确定度较高的未知位置,以尽可能确保输入空间中不留下未探索但可能存在全局最小值的区域。利用 (Exploit) 则致力于采样代理模型能很好地预测目标函数的位置,即强化探索已知的、具有全局最小值潜力的位置,确保得到更优的结果。但若某特定的区域已得到充分探索,再继续利用已知信息也收益不大了。
注意,重视利用而轻视探索 的采集函数会让模型驻留于其发现的第一个最小值 (通常是局部最小值) —— 安于现状不思进取 (意味着 均值高)。反之,重视探索而轻视利用 的采集函数则通常不会留在某个最小值 (不论是是局部还是全局最小值) 全力挖掘 —— 蜻蜓点水浅尝辄止 (意味着 方差高)。因此,为取得好的结果,需要在探索和利用之间实现微妙的折中/平衡。
常见的采集函数包括:改善可能性 (Probability of Improvement, POI)、预期改善 (Expected Improvement, EI) 和 置信上界 (Upper Confidence Bound) 等。所有这些衡量的都是给定有关先验 (高斯过程) 的信息下,一个特定输入在未来产生回报的概率。
综上,贝叶斯优化的基本步骤为:
- 初始化一个替代目标函数的概率模型 (高斯过程) —— 代理函数 的先验分布
- 采样若干数据点 x 使获取函数 a(x) 在当前先验分布上结果最佳。
- 在目标成本函数 c(x) 中评估已采样数据点 x 并获取其输出结果 y。
- 采样新数据点以更新代理函数,得到一个后验分布 (将作为下一步的先验分布)。
- 多次迭代重复第 2-5 步。
- 解读当前的高斯过程分布 (低成本/代价),找到全局最小值。
对应的算法 伪代码 为:
总而言之,代理优化 是使用一个代理函数或近似函数来通过采样估计目标函数。贝叶斯优化 主要目的在于降低某些成本高昂的场景下评估输出的成本需求,核心在于将概率思想融入到了代理优化思想之中 —— 通过将代理函数表示成概率分布,并将代理优化放入一个概率框架中,然后用新采样信息更新该分布。获取函数 则是基于已知先验,用于评估利用输入空间中的某个特定数据点得到结果优劣的概率,其关键在于探索与利用的平衡。基于贝叶斯优化的贝叶斯调参在机器学习调参中得到了一定的应用。
注意,以上仅粗浅地揭示了贝叶斯优化基本原理的冰山一角,与实际原理可能还有很大初入,详细内容可拜读以下链接。
3) 贝叶斯调参的基本步骤:
- 初始化一个替代目标函数的概率模型 —— 代理函数;
- 在域空间内 (要搜索的超参数的取值范围) 寻找使代理函数概率最大化的超参数;
- 使用找到的超参数训练模型,计算原目标函数得分;
- 更新目标函数的先验分布;
- 重复步骤 2-4,直至最大迭代次数。
4) 贝叶斯调参与网格搜索的比较:
5) 贝叶斯调参的实践步骤:
- 定义优化函数 (rf_cv);
- 建立模型;
- 定义待优化的参数;
- 得到优化结果,并返回要优化的分数指标。
在使用前,需先安装 bayesian-optimization 包,在 jupyter notebook 运行如下命令即可:
- # 官方网站 https://github.com/fmfn/BayesianOptimization
- # 相关论文:https://proceedings.neurips.cc/paper/2012/file/05311655a15b75fab86956663e1819cd-Paper.pdf
-
- !pip install bayesian-optimization
然后,分别定义贝叶斯优化函数和待优化的超参数。注意,有些浮点型超参数需强制类型转换为整型。
- from sklearn.model_selection import cross_val_score
-
- # 定义贝叶斯优化函数
- def rf_cv_lgb(num_leaves, max_depth, bagging_fraction, feature_fraction, bagging_freq,
- min_data_in_leaf, min_child_weight, min_split_gain, reg_lambda, reg_alpha):
- # 建立模型
- model_lgb = lgb.LGBMClassifier(boosting_type='gbdt',
- objective='multiclass',
- num_class=4,
- learning_rate=0.1,
- n_estimators=5000,
- num_leaves=int(num_leaves),
- max_depth=int(max_depth),
- bagging_fraction=round(bagging_fraction, 2),
- feature_fraction=round(feature_fraction, 2),
- bagging_freq=int(bagging_freq),
- min_data_in_leaf=int(min_data_in_leaf),
- min_child_weight=min_child_weight,
- min_split_gain=min_split_gain,
- reg_lambda=reg_lambda,
- reg_alpha=reg_alpha,
- n_jobs= 8
- )
- # 封装指标
- f1 = make_scorer(f1_score, average='micro')
-
- # 验证得分
- val = cross_val_score(model_lgb, X_train_split, y_train_split, cv=5, scoring=f1).mean()
-
- return val
- from bayes_opt import BayesianOptimization
-
- # 定义贝叶斯优化参数
- bayes_lgb = BayesianOptimization(
- rf_cv_lgb,
- {
- 'num_leaves':(10, 200),
- 'max_depth':(3, 20),
- 'bagging_fraction':(0.5, 1.0),
- 'feature_fraction':(0.5, 1.0),
- 'bagging_freq':(0, 100),
- 'min_data_in_leaf':(10,100),
- 'min_child_weight':(0, 10),
- 'min_split_gain':(0.0, 1.0),
- 'reg_alpha':(0.0, 10),
- 'reg_lambda':(0.0, 10),
- }
- )
接着,开始优化。注意,可以选择最大迭代次数 (如 10),理论上迭代的次数越多,越有可能找到更优的超参数,但相应地时间也越长。
- # 开始优化
- bayes_lgb.maximize(n_iter=10) # 迭代次数
最后,贝叶斯优化完毕,取出最优结果下各参数值:
- # 显示最优参数
- bayes_lgb.max
注意,显示的都是浮点型,而在使用到正式训练时,部分参数还需要向下/向上取整 (四舍五入)。
- # 使用贝叶斯调优得到的新参数
- base_params_lgb = {
- 'boosting_type': 'gbdt',
- 'objective': 'multiclass',
- 'num_class': 4,
- 'learning_rate': 0.01, # 减小
- 'num_leaves': 138,
- 'max_depth': 11,
- 'min_data_in_leaf': 43,
- 'min_child_weight':6.5,
- 'bagging_fraction': 0.64,
- 'feature_fraction': 0.93,
- 'bagging_freq': 49,
- 'reg_lambda': 7,
- 'reg_alpha': 0.21,
- 'min_split_gain': 0.288,
- 'nthread': 10,
- 'verbose': -1,
- }
- # 使用新参数训练
- cv_result_lgb = lgb.cv(
- train_set=train_matrix,
- early_stopping_rounds=1000,
- num_boost_round=20000,
- nfold=5,
- stratified=True,
- shuffle=True,
- params=base_params_lgb,
- feval=f1_score_vali,
- seed=0
- )
-
- print('迭代次数{}'.format(len(cv_result_lgb['f1_score-mean'])))
- print('最终模型的f1为{}'.format(max(cv_result_lgb['f1_score-mean'])))
注意,以上贝叶斯调参所获参数并不一定最优。
此外,一方面,若已经知道有若干组极好的参数,还想知道其周围有没有更好的,则可以执行类似基本原理中的 探索 (explore) 操作 —— 调用 .explore() 方法。另一方面,还可以修改高斯过程的其他主要参数,如 核函数 (Kernel) 等。
最后,可以根据调参得到的最优超参数组合训练模型:
- # 使用lightgbm 5折交叉验证进行建模预测
-
- import lightgbm as lgb
-
- cv_scores = []
- for i, (train_index, valid_index) in enumerate(kf.split(X_train, y_train)):
- print('************************************ {} ************************************'.format(str(i+1)))
- X_train_split, y_train_split, X_val, y_val = X_train.iloc[train_index], y_train[train_index], X_train.iloc[valid_index], y_train[valid_index]
-
- train_matrix = lgb.Dataset(X_train_split, label=y_train_split)
- valid_matrix = lgb.Dataset(X_val, label=y_val)
-
- params = {
- 'boosting_type': 'gbdt',
- 'objective': 'multiclass',
- 'num_class': 4,
- 'learning_rate': 0.01,
- 'num_leaves': 138,
- 'max_depth': 11,
- 'min_data_in_leaf': 43,
- 'min_child_weight':6.5,
- 'bagging_fraction': 0.64,
- 'feature_fraction': 0.93,
- 'bagging_freq': 49,
- 'reg_lambda': 7,
- 'reg_alpha': 0.21,
- 'min_split_gain': 0.288,
- 'nthread': 10,
- 'verbose': -1,
- }
-
- model = lgb.train(params,
- train_set=train_matrix,
- num_boost_round=4833,
- valid_sets=valid_matrix,
- verbose_eval=1000,
- early_stopping_rounds=200,
- feval=f1_score_vali)
-
- val_pred = model.predict(X_val, num_iteration=model.best_iteration)
-
- val_pred = np.argmax(val_pred, axis=1)
-
- cv_scores.append(f1_score(y_true=y_val, y_pred=val_pred, average='macro'))
- print(cv_scores)
-
- print("lgb_scotrainre_list:{}".format(cv_scores))
- print("lgb_score_mean:{}".format(np.mean(cv_scores)))
- print("lgb_score_std:{}".format(np.std(cv_scores)))
- XGBoost 原生库 API:https://xgboost.readthedocs.io/en/stable/parameter.html
- sklearn 库 XGBoost API:https://xgboost.readthedocs.io/en/stable/python/python_api.html#module-xgboost.sklearn
- LightGBM 原生库 API:https://lightgbm.readthedocs.io/en/latest/Parameters.html
- sklearn 库 LightGBM API:https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.LGBMClassifier.html
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。