H2Oでのグリッド検索とランダム検索

R によるハイパーパラメータチューニング

Dr. Shirin Elsinghorst

Senior Data Scientist

H2Oモデルのハイパーパラメータ

勾配ブースティングのハイパーパラメータ:

?h2o.gbm

ntrees: 木の本数。既定は 50。
max_depth: 木の最大深さ。既定は 5。
min_rows: リーフ内の最小（重み付き）観測数。既定は 10。
learn_rate: 学習率 (0.0〜1.0)。既定は 0.1。
learn_rate_annealing: 各木の後に学習率へ掛ける係数（例: 0.99, 0.999）。既定は 1。

H2Oでのデータ準備

H2O フレームに変換

seeds_data_hf <- as.h2o(seeds_data)

特徴量と目的変数を特定

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

データを訓練・テスト・検証に分割

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

ハイパーパラメータグリッドの定義

GBM のハイパーパラメータ

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

h2o.grid 関数

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)

結果は h2o.getGrid で確認

グリッドオブジェクトの確認

h2o.getGrid でモデル gbm_grid の結果を確認します。
検証精度で並べ替え

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

Grid ID: gbm_grid 
Used hyper parameters: 
  -  learn_rate 
  -  max_depth 
  -  ntrees 
Number of models: 27 
Number of failed models: 0 

Hyper-Parameter Search Summary: ordered by decreasing accuracy

グリッドからベストモデルを取得

検証精度で最上位の GBM モデルは位置 1 にあります

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

ベストモデルのハイパーパラメータ

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

Model Summary: 
 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

グリッドからベストモデルを取得

best_gbm は通常の H2O モデルオブジェクトで、そのまま扱えます。

h2o.performance(best_gbm, test)

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

H2Oでのランダム検索

ハイパーパラメータのグリッドに加え、探索条件を設定します。

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)

H2O Grid Details
================
Grid ID: gbm_grid 
Used hyper parameters: 
  -  learn_rate 
  -  max_depth 
  -  ntrees 
Number of models: 30 
Number of failed models: 0

練習の時間です！

R によるハイパーパラメータチューニング