Ricerca a griglia e casuale con H2O

Ottimizzazione degli iperparametri in R

Dr. Shirin Elsinghorst

Senior Data Scientist

Iperparametri nei modelli H2O

Iperparametri per il Gradient Boosting:

?h2o.gbm

ntrees: Numero di alberi. Predefinito 50.
max_depth: Profondità massima. Predefinito 5.
min_rows: Minimo di osservazioni (pesate) in una foglia. Predefinito 10.
learn_rate: Tasso di apprendimento (0.0–1.0). Predefinito 0.1.
learn_rate_annealing: Scala il learning rate dopo ogni albero (es. 0.99 o 0.999). Predefinito 1.

Preparare i dati per il modeling con H2O

Converti in H2O frame

seeds_data_hf <- as.h2o(seeds_data)

Identifica feature e target

y <- "seed_type"
x <- setdiff(colnames(seeds_data_hf), y)

Dividi i dati in train, test e validation

sframe <- h2o.splitFrame(data = seeds_data_hf, ratios = c(0.7, 0.15), seed = 42)
train <- sframe[[1]]
valid <- sframe[[2]]
test <- sframe[[3]]

Definire una griglia di iperparametri

Iperparametri GBM

gbm_params <- list(ntrees = c(100, 150, 200), max_depth = c(3, 5, 7), learn_rate = c(0.001, 0.01, 0.1))

Funzione h2o.grid

gbm_grid <- h2o.grid("gbm", 
                     grid_id = "gbm_grid",
                     x = x, 
                     y = y,
                     training_frame = train,
                     validation_frame = valid,
                     seed = 42,
                     hyper_params = gbm_params)

Esamina i risultati con h2o.getGrid

Esaminare un oggetto griglia

Esamina i risultati del modello gbm_grid con h2o.getGrid.
Ottieni la griglia ordinata per accuratezza di validazione

gbm_gridperf <- h2o.getGrid(grid_id = "gbm_grid", sort_by = "accuracy", decreasing = TRUE)

ID griglia: gbm_grid 
Iperparametri usati: 
  -  learn_rate 
  -  max_depth 
  -  ntrees 
Numero di modelli: 27 
Modelli falliti: 0 

Riepilogo ricerca iperparametri: ordinato per accuratezza decrescente

Estrarre il modello migliore da una griglia

Il miglior modello GBM per accuratezza di validazione ha id in posizione 1

best_gbm <- h2o.getModel(gbm_gridperf@model_ids[[1]])

Questi sono gli iperparametri del modello migliore:

print(best_gbm@model[["model_summary"]])

Riepilogo modello: 
 number_of_trees number_of_internal_trees model_size_in_bytes min_depth
             200                      600              100961         2 
 max_depth mean_depth min_leaves max_leaves mean_leaves
         7    5.22667          3         10     8.38833

Estrarre il modello migliore da una griglia

best_gbm è un normale modello H2O e si usa come tale!

h2o.performance(best_gbm, test)

MSE: (Extract with `h2o.mse`) 0.04761904
RMSE: (Extract with `h2o.rmse`) 0.2182179
Logloss: (Extract with `h2o.loglos

Ricerca casuale con H2O

Oltre alla griglia di iperparametri, aggiungi i criteri di ricerca:

gbm_params <- list(ntrees = c(100, 150, 200),
                   max_depth = c(3, 5, 7),
                   learn_rate = c(0.001, 0.01, 0.1))

search_criteria <- list(strategy = "RandomDiscrete", 
                        max_runtime_secs = 60, 
                        seed = 42)

gbm_grid <- h2o.grid("gbm", 
                     grid_id = "gbm_grid",
                     x = x, y = y,
                     training_frame = train,
                     validation_frame = valid,
                     seed = 42,
                     hyper_params = gbm_params,
                     search_criteria = search_criteria)

search_criteria <- list(strategy = "RandomDiscrete", 
                        stopping_metric = "mean_per_class_error", 
                        stopping_tolerance = 0.0001, 
                        stopping_rounds = 6)

gbm_grid <- h2o.grid("gbm", x = x, y = y, training_frame = train, validation_frame = valid, 
                      seed = 42, hyper_params = gbm_params, search_criteria = search_criteria)

Dettagli della griglia H2O
==========================
ID griglia: gbm_grid 
Iperparametri usati: 
  -  learn_rate 
  -  max_depth 
  -  ntrees 
Numero di modelli: 30 
Modelli falliti: 0

È il momento di esercitarsi!

Ottimizzazione degli iperparametri in R