用 H2O 進行網格與隨機搜尋

R 的超參數調校

Dr. Shirin Elsinghorst

Senior Data Scientist

H2O 模型的超參數

Gradient Boosting 的超參數：

?h2o.gbm

ntrees：樹的數量。預設為 50。
max_depth：樹的最大深度。預設為 5。
min_rows：葉節點允許的最少（加權）觀測數。預設為 10。
learn_rate：學習率（0.0 到 1.0）。預設為 0.1。
learn_rate_annealing：每棵樹後以此係數縮放學習率（如 0.99 或 0.999）。預設為 1。

用 H2O 準備建模資料

轉成 H2O frame

seeds_data_hf <- as.h2o(seeds_data)

指定 特徵與目標

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

將資料切分為訓練、測試與驗證集

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

定義超參數網格

設定 GBM 超參數

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

h2o.grid 函式

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)

用 h2o.getGrid 檢視結果

檢視網格物件

使用 h2o.getGrid 檢視模型 gbm_grid 的結果。
依驗證集準確率排序取得網格結果

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

從網格取出最佳模型

以驗證集準確率挑選的最佳 GBM 模型，其 id 位置為 1。

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

這是最佳模型的超參數：

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

從網格取出最佳模型

best_gbm 是一個一般的 H2O 模型物件，可以照常使用！

h2o.performance(best_gbm, test)

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

用 H2O 進行隨機搜尋

除了超參數網格外，加入搜尋條件：

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

一起來練習吧！

R 的超參數調校