ハイパーパラメータのチューニング

R での tidymodels によるモデリング

David Svancer

Data Scientist

ハイパーパラメータ

学習前に設定し、モデルの複雑さを制御するパラメータ

parsnip の決定木

cost_complexity
- 終端ノード数が多いほど罰則
tree_depth
- ルートから終端までの最長パス
min_n
- さらに分割するために必要な最小データ数

決定木モデルの矩形領域

既定のハイパーパラメータ値

decision_tree() は既定のハイパーパラメータを設定します

cost_complexity は 0.01
tree_depth は 30
min_n は 20

これらが常に最適とは限りません

ハイパーパラメータのチューニング
- 交差検証で最適なハイパーパラメータ集合を探す手順

dt_model <- decision_tree() %>% 
  set_engine('rpart') %>% 
  set_mode('classification')

チューニング対象のラベル付け

tune パッケージの tune() 関数

チューニング対象のハイパーパラメータは、parsnip のモデル指定で tune() を設定
チューニング可能なパラメータを持つモデルオブジェクトを作成
- 他の関数に最適化が必要であることを伝える

dt_tune_model <- decision_tree(cost_complexity = tune(),
                               tree_depth = tune(),
                               min_n = tune()) %>% 
  set_engine('rpart') %>% 
  set_mode('classification')


dt_tune_model

Decision Tree Model Specification (classification)

Main Arguments:
  cost_complexity = tune()
  tree_depth = tune()
  min_n = tune()

Computational engine: rpart

チューニング用ワークフローの作成

workflow オブジェクトは簡単に更新できます

既存の leads_wkfl
- リードスコア用の特徴量作成と、デフォルト値の決定木モデル
leads_wkfl を update_model() に渡し、チューニング対象の決定木モデルを指定

leads_tune_wkfl <- leads_wkfl %>% 

  update_model(dt_tune_model)


leads_tune_wkfl

== Workflow ===============
Preprocessor: Recipe
Model: decision_tree()
-- Preprocessor -----------
3 Recipe Steps
* step_corr()
* step_normalize()
* step_dummy()
-- Model ------------------
Decision Tree Model Specification (classification)
Main Arguments: cost_complexity = tune()
                tree_depth = tune()
                min_n = tune()
Computational engine: rpart

グリッドサーチ

ハイパーパラメータを調整する一般的な方法

ハイパーパラメータ値の一意な組合せグリッドを作成
- 各組合せで交差検証し性能を推定
最良の組合せを選択

cost_complexity	tree_depth	min_n
0.001	20	35
0.001	20	15
0.001	35	35
0.001	35	15
0.2	20	35
...	...	...

ハイパーパラメータの特定

dials パッケージの parameters() 関数

parsnip のモデルオブジェクトを受け取る
tune() でラベル付けされたハイパーパラメータを tibble で返す
- dials でチューニンググリッドを作成する際に使用

parameters(dt_tune_model)

Collection of 3 parameters for tuning

  identifier            type     object
cost_complexity  cost_complexity nparam[+]
tree_depth       tree_depth      nparam[+]
min_n            min_n           nparam[+]

ランダムグリッド

ランダムな組合せの生成

この方法は最適値に到達しやすい傾向があります

grid_random() 関数

第1引数は parameters() の結果
size は生成するランダム組合せ数
- 再現性のため grid_random() の前に set.seed() を実行

set.seed(214)
grid_random(parameters(dt_tune_model),

            size = 5)

# A tibble: 5 x 3
  cost_complexity  tree_depth min_n
            <dbl>      <int>  <int>
1    0.0000000758        14     39
2    0.0243               5     34
3    0.00000443          11      8
4    0.000000600          3      5
5    0.00380              5     36

チューニンググリッドの保存

チューニングの最初の手順

チューニンググリッドを作成して保存
dt_grid にはハイパーパラメータのランダムな5組が含まれます

set.seed(214)
dt_grid <- grid_random(parameters(dt_tune_model),
                       size = 5)


dt_grid

# A tibble: 5 x 3
  cost_complexity  tree_depth min_n
            <dbl>      <int>  <int>
1    0.0000000758        14     39
2    0.0243               5     34
3    0.00000443          11      8
4    0.000000600          3      5
5    0.00380              5     36

交差検証によるハイパーパラメータのチューニング

tune_grid() はハイパーパラメータのチューニングを実行します

主な引数

workflow または parsnip モデル
交差検証オブジェクト resamples
チューニンググリッド grid
任意の metrics 関数

返り値は結果の tibble

.metrics
- 各フォールドの結果を持つリスト列

dt_tuning <- leads_tune_wkfl %>%

             tune_grid(resamples = leads_folds,

                       grid = dt_grid,

                       metrics = leads_metrics)

dt_tuning

# Tuning results
# 10-fold cross-validation using stratification 
# A tibble: 10 x 4
   splits             id       .metrics         ..
   <list>            <chr>      <list>          ..
<split [896/100]>   Fold01   <tibble [15 x 7]>  ..
................    ......   ...............    ..
<split [897/99]>    Fold09   <tibble [15 x 7]>  ..
<split [897/99]>    Fold10   <tibble [15 x 7]>  ..

チューニング結果の確認

collect_metrics() は既定で要約結果を返します

各組合せについて全フォールド平均の指標値を表示

dt_tuning %>% 
  collect_metrics()

# A tibble: 15 x 9
   cost_complexity tree_depth min_n .metric .estimator  mean     n std_err .config
             <dbl>      <int> <int> <chr>   <chr>      <dbl> <int>   <dbl> <chr>  
 1    0.0000000758         14    39 roc_auc binary     0.827    10 0.0147  Model1 
 2    0.0000000758         14    39 sens    binary     0.728    10 0.0277  Model1 
 3    0.0000000758         14    39 spec    binary     0.865    10 0.0156  Model1 
 4    0.0243                5    34 roc_auc binary     0.823    10 0.0147  Model2 
 .    ......               ..    .. ....    ......     .....    .. .....   ......
14    0.00380               5    36 sens    binary     0.747    10 0.0209  Model5 
15    0.00380               5    36 spec    binary     0.858    10 0.0161  Model5

さあ、チューニングしましょう！

R での tidymodels によるモデリング