Automatyczne uczenie maszynowe z H2O
Dostrajanie hiperparametrów w R
Dr. Shirin Elsinghorst
Senior Data Scientist
Automatyczne uczenie maszynowe (AutoML)
- Automatyczne dostrajanie algorytmów, a nie tylko hiperparametrów
- AutoML sprawia, że dostrajanie i optymalizacja modeli są szybsze i łatwiejsze
- AutoML wymaga jedynie zbioru danych, zmiennej docelowej oraz limitu czasu lub liczby modeli
AutoML w H2O
AutoML porównuje
- Uogólniony Model Liniowy (GLM)
- (Rozproszony) Las Losowy (DRF)
- Ekstremalnie Losowe Drzewa (XRT)
- Ekstremalne Wzmacnianie Gradientowe (XGBoost)
- Maszyny Wzmacniania Gradientowego (GBM)
- Głębokie Uczenie (w pełni połączona wielowarstwowa sztuczna sieć neuronowa)
- Ensemble stosowane (wszystkich modeli i najlepszych z rodziny)
Hiperparametry GBM
histogram_typentreesmax_depthmin_rowslearn_ratesample_ratecol_sample_ratecol_sample_rate_per_treemin_split_improvement
Hiperparametry głębokiego uczenia
epochsadaptivate_rateactivationrhoepsiloninput_dropout_ratiohiddenhidden_dropout_ratios
# Using h2o.automl function
automl_model <- h2o.automl(x = x, y = y,
training_frame = train,
validation_frame = valid,
max_runtime_secs = 60,
sort_metric = "logloss",
seed = 42)
- zwraca tablicę liderów wszystkich modeli posortowanych według wybranej metryki (tu: „logloss")
Slot "leader":
Model Details:
==============
H2OMultinomialModel: gbm
Model Summary:
number_of_trees number_of_internal_trees model_size_in_bytes min_depth
189 567 65728 1
max_depth mean_depth min_leaves max_leaves mean_leaves
5 2.96649 2 6 4.20988
Tablica liderów AutoML
lb <- automl_model@leaderboard
model_id mean_per_class_error
1 GBM_grid_0_AutoML_20181029_144443_model_6 0.01851852
2 GBM_grid_0_AutoML_20181029_144443_model_30 0.02777778
3 GBM_grid_0_AutoML_20181029_144443_model_18 0.02777778
4 GBM_grid_0_AutoML_20181029_144443_model_9 0.03703704
- Domyślnie tablica liderów jest obliczana na podstawie 5-krotnej walidacji krzyżowej.
Wyodrębnianie modeli z tablicy liderów AutoML
# List all models by model id
model_ids <- as.data.frame(lb)$model_id
[1] "GBM_grid_0_AutoML_20181029_144443_model_6"
[3] "GBM_grid_0_AutoML_20181029_144443_model_18"
[19] "XRT_0_AutoML_20181029_144443"
[20] "DRF_0_AutoML_20181029_144443"
[24] "DeepLearning_0_AutoML_20181029_144443"
[41] "StackedEnsemble_BestOfFamily_0_AutoML_20181029_144443"
[42] "StackedEnsemble_AllModels_0_AutoML_20181029_144443"
# Get the best model
aml_leader <- automl_model@leader
aml_leaderjest zwykłym obiektem modelu H2O i można go traktować jak każdy inny!
Czas na ostatnią rundę ćwiczeń!
Dostrajanie hiperparametrów w R
