Przeszukiwanie siatki i losowe z H2O

Dostrajanie hiperparametrów w R

Dr. Shirin Elsinghorst

Senior Data Scientist

Hiperparametry modeli H2O

Hiperparametry dla Gradient Boosting:

?h2o.gbm

ntrees: Liczba drzew. Domyślnie 50.
max_depth: Maksymalna głębokość drzewa. Domyślnie 5.
min_rows: Minimalna liczba (ważonych) obserwacji w liściu. Domyślnie 10.
learn_rate: Współczynnik uczenia (od 0.0 do 1.0). Domyślnie 0.1.
learn_rate_annealing: Skaluje współczynnik uczenia po każdym drzewie (np. 0.99 lub 0.999). Domyślnie 1.

Przygotowanie danych do modelowania w H2O

Konwersja do ramki H2O

seeds_data_hf <- as.h2o(seeds_data)

Identyfikacja cech i zmiennej docelowej

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

Podział danych na zbiory: treningowy, testowy i walidacyjny

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

Definiowanie siatki hiperparametrów

Hiperparametry GBM

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

Funkcja 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)

Analiza wyników za pomocą h2o.getGrid

Analiza obiektu siatki

Analiza wyników modelu gbm_grid za pomocą funkcji h2o.getGrid.
Wyniki siatki posortowane według dokładności walidacyjnej

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

Ekstrakcja najlepszego modelu z siatki

Najlepszy model GBM wybrany według dokładności walidacyjnej ma identyfikator na pozycji 1

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

Hiperparametry najlepszego modelu:

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

Ekstrakcja najlepszego modelu z siatki

best_gbm to zwykły obiekt modelu H2O i można go traktować jako taki!

h2o.performance(best_gbm, test)

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

Losowe wyszukiwanie w H2O

Oprócz siatki hiperparametrów należy dodać kryteria wyszukiwania:

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

Czas na ćwiczenia!

Dostrajanie hiperparametrów w R