Случайный поиск в Scikit-Learn

Подбор гиперпараметров в Python

Alex Scriven

Data Scientist

Сравнение с GridSearchCV

Не будем изобретать велосипед. Вспомним шаги сеточного поиска:

Выбрать алгоритм/оценщик
Определить настраиваемые гиперпараметры
Задать диапазон значений для каждого гиперпараметра
Настроить схему кросс-валидации; и
Определить функцию оценки
Добавить дополнительную полезную информацию или функции

Сравнение с сеточным поиском

Есть лишь одно отличие:

Шаг 7 = Определить количество выборок (и взять их)

Вот и всё! (в основном)

Сравнение модулей Scikit-Learn

Модули тоже схожи:

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')

Ключевые отличия

Два ключевых отличия:

n_iter — количество выборок, которые случайный поиск берёт из сетки. В предыдущем примере их было 300.
param_distributions немного отличается от param_grid: позволяет задать распределение для выборки.
- По умолчанию все комбинации имеют одинаковую вероятность быть выбранными.

Создание объекта RandomizedSearchCV

Теперь построим объект случайного поиска — так же, как сеточного, но с небольшим изменением:

# 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

Создание объекта RandomizedSearchCV

Теперь создадим объект

# 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)

Анализ вывода

Вывод абсолютно такой же!

Как узнать, какие значения гиперпараметров были выбраны?

Словарь cv_results_ (в соответствующих столбцах param_)!

Извлечём списки:

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

Анализ вывода

Построим визуализацию:

# 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()

Анализ вывода

График аналогичен предыдущему:

покрытие случайного графика

Давайте потренируемся!

Подбор гиперпараметров в Python