Scikit-learn のランダムサーチ

Pythonでのハイパーパラメータチューニング

Alex Scriven

Data Scientist

GridSearchCV との比較

車輪の再発明は不要です。グリッドサーチの手順を振り返りましょう:

アルゴリズム/推定器を決める
調整するハイパーパラメータを決める
各ハイパーパラメータの値範囲を定める
交差検証の方法を設定
評価指標（スコア関数）を定義
追加の有用情報や関数を指定

グリッドサーチとの比較

違いは1点だけです:

手順7 = サンプル数を決めて（サンプリングする）

以上です（ほぼ）。

Scikit-learn モジュールの比較

モジュールもよく似ています:

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')

主な違い

主な違いは2つ:

n_iter はランダムサーチでグリッドから取るサンプル数です。先の例では 300。
param_distributions は param_grid と少し異なり、サンプリング用の分布を任意で指定できます。
- 既定ではすべての組合せが同じ確率で選ばれます。

RandomizedSearchCV オブジェクトの作成

先ほどのグリッドサーチと同様に、次の小さな変更でランダムサーチオブジェクトを作れます:

# 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

RandomizedSearchCV オブジェクトの作成

では、このオブジェクトを作成します:

# 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)

出力を分析する

出力はまったく同じです。

選ばれたハイパーパラメータ値を見るには？

cv_results_ の辞書（該当する param_ 列）です。

リストを抽出:

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

出力を分析する

可視化を作成:

# 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()

出力を分析する

先ほどと似たグラフです:

ランダム探索のカバレッジ

Vamos praticar!

Pythonでのハイパーパラメータチューニング