Trenowanie modeli uczenia maszynowego na dużych zbiorach danych

Programowanie równoległe z Dask w Pythonie

James Fulton

Climate Informatics Researcher

Dask-ML

import dask_ml

Przyspiesza zadania uczenia maszynowego

Regresja liniowa

Przykład danych z liniową zależnością między x i y.

Regresja liniowa

Do danych dopasowano linię prostą.

Regresja liniowa

Zaznaczono odległości między linią prostą a rzeczywistymi punktami danych.

Dopasowanie modelu regresji liniowej

# Import regression model
from sklearn.linear_model import SGDRegressor

# Create instance of model
model = SGDRegressor()

# Fit model to data
model.fit(X, y)

# Make predictions
y_pred = model.predict(X)

Użycie modelu scikit-learn z Dask

# Import regression model
from sklearn.linear_model import SGDRegressor

# Create instance of model
model = SGDRegressor()


# Import Dask-ML wrapper for model
from dask_ml.wrappers import Incremental


# Wrap model
dask_model = Incremental(model, scoring='neg_mean_squared_error')


# Fit on Dask DataFrames or arrays
dask_model.fit(dask_X, dask_y)  # not lazy

Dopasowanie wymaga wielu iteracji

Animacja pokazuje, że linia prosta dopasowuje się coraz dokładniej po kolejnych iteracjach.

Trenowanie modelu Incremental

# Loop through data multiple times
for i in range(10):
    dask_model.partial_fit(dask_X, dask_y)  # not lazy

Generowanie prognoz

y_pred = dask_model.predict(dask_X)

print(y_pred)

dask.array<_predict, shape=(nan,), dtype=int64, chunksize=(nan,), chunktype=...>

print(y_pred.compute())

array([0.465557, 0.905675, 0.285214, ..., 0.249454, 0.559624, 0.823475])

Czas na ćwiczenia!

Programowanie równoległe z Dask w Pythonie