Random Search no Scikit Learn

Ajuste de Hiperparâmetros em Python

Alex Scriven

Data Scientist

Comparando com GridSearchCV

Não precisamos reinventar a roda. Vamos relembrar as etapas do Grid Search:

Escolher um algoritmo/estimador
Definir quais hiperparâmetros serão ajustados
Definir um intervalo de valores para cada hiperparâmetro
Definir um esquema de validação cruzada; e
Definir uma função de pontuação
Incluir informações ou funções extras úteis

Comparando com Grid Search

Há apenas uma diferença:

Etapa 7 = Decidir quantas amostras pegar (e então amostrar)

É isso! (quase)

Comparando módulos do Scikit Learn

Os módulos também são parecidos:

GridSearchCV:

sklearn.model_selection.GridSearchCV(estimator, param_grid, 
        scoring=None, fit_params=None, 
        n_jobs=None,
        refit=True, cv='warn', verbose=0, 
        pre_dispatch='2*n_jobs', 
        error_score='raise-deprecating',
        return_train_score='warn')

RandomizedSearchCV:

sklearn.model_selection.RandomizedSearchCV(estimator, 
        param_distributions, n_iter=10, 
        scoring=None, fit_params=None, 
        n_jobs=None, refit=True, 
        cv='warn', verbose=0, 
        pre_dispatch='2*n_jobs',
        random_state=None, 
        error_score='raise-deprecating', 
        return_train_score='warn')

Principais diferenças

Duas diferenças principais:

n_iter, o número de amostras que a busca aleatória vai pegar do seu grid. No exemplo anterior você usou 300.
param_distributions é um pouco diferente de param_grid, permitindo opcionalmente definir uma distribuição para amostragem.
- O padrão é todas as combinações com chance igual de serem escolhidas.

Criar um objeto RandomizedSearchCV

Agora dá para montar um objeto de busca aleatória como o grid search, com nossa pequena mudança:

# Set up the sample space
learn_rate_list = np.linspace(0.001,2,150)
min_samples_leaf_list = list(range(1,51))

# Create the grid
parameter_grid = {
    'learning_rate' : learn_rate_list,
    'min_samples_leaf' : min_samples_leaf_list}


# Define how many samples
number_models = 10

Criar um objeto RandomizedSearchCV

Agora podemos construir o objeto

# Create a random search object
random_GBM_class = RandomizedSearchCV(
    estimator = GradientBoostingClassifier(),
    param_distributions = parameter_grid,
    n_iter = number_models,
    scoring='accuracy',
    n_jobs=4, 
    cv = 10,
    refit=True, 
    return_train_score = True)
# Fit the object to our data
random_GBM_class.fit(X_train, y_train)

Analisar a saída

A saída é exatamente a mesma!

Como ver quais valores de hiperparâmetros foram escolhidos?

No dicionário cv_results_ (nas colunas param_ relevantes)!

Extraia as listas:

rand_x = list(random_GBM_class.cv_results_['param_learning_rate'])
rand_y = list(random_GBM_class.cv_results_['param_min_samples_leaf'])

Analisar a saída

Vamos montar nossa visualização:

# Make sure we set the limits of Y and X appriately
x_lims = [np.min(learn_rate_list), np.max(learn_rate_list)]
y_lims = [np.min(min_samples_leaf_list), np.max(min_samples_leaf_list)]

# Plot grid results    
plt.scatter(rand_y, rand_x, c=['blue']*10)
plt.gca().set(xlabel='learn_rate', ylabel='min_samples_leaf',
                title='Random Search Hyperparameters')
plt.show()

Analisar a saída

Um gráfico parecido com o anterior:

cobertura do gráfico aleatório

Vamos praticar!

Ajuste de Hiperparâmetros em Python