作者|GUEST BLOG
编译|VK
起源|Analytics Vidhya

介绍

在机器学习我的项目中，你须要遵循一系列步骤，直到你达到你的指标，你必须执行的步骤之一就是对你抉择的模型进行超参数优化。此工作总是在模型抉择过程之后实现（抉择性能优于其余模型的最佳模型）。

什么是超参数优化？

在定义超参数优化之前，你须要理解什么是超参数。简言之，超参数是用来管制学习过程的不同参数值，对机器学习模型的性能有显著影响。

随机森林算法中超参数的例子是预计器的数目（n_estimators）、最大深度（max_depth）和准则。这些参数是可调的，能够间接影响训练模型的好坏。

超参数优化就是寻找适合的超参数值组合，以便在正当的工夫内实现对数据的最大性能。它对机器学习算法的预测精度起着至关重要的作用。因而，超参数优化被认为是建设机器学习模型中最艰难的局部。

大多数机器学习算法都带有默认的超参数值。默认值在不同类型的机器学习我的项目中并不总是体现良好，这就是为什么你须要优化它们，以获得最佳性能的正确组合。

好的超参数能够使一个算法发光。

有一些优化超参数的罕用策略：

（a） 网格搜寻

这是一种宽泛应用的传统办法，它通过执行超参数调整来确定给定模型的最佳值。网格搜寻通过在模型中尝试所有可能的参数组合来工作，这意味着执行整个搜寻将破费大量工夫，这可能会导致计算成本十分高。

留神：你能够在这里学习如何实现网格搜寻:https://github.com/Davisy/Hyp...

（b） 随机搜寻

在超参数值的随机组合用于为构建的模型寻找最佳解决方案时，这种办法的工作形式不同。随机搜寻的毛病是有时会漏掉搜寻空间中的重要点（值）。

留神：你能够在这里理解更多实现随机搜寻的办法:https://github.com/Davisy/Hyp...

超参数优化技术

在本系列文章中，我将向你介绍不同的高级超参数优化技术/办法，这些技术/办法能够帮忙你取得给定模型的最佳参数。咱们将钻研以下技术。

  • Hyperopt
  • Scikit Optimize
  • Optuna

在本文中，我将重点介绍Hyperopt的实现。

什么是Hyperopt

Hyperopt是一个弱小的python库，用于超参数优化，由jamesbergstra开发。Hyperopt应用贝叶斯优化的模式进行参数调整，容许你为给定模型获得最佳参数。它能够在大范畴内优化具备数百个参数的模型。

Hyperopt的个性

Hyperopt蕴含4个重要的个性，你须要晓得，以便运行你的第一个优化。

（a） 搜寻空间

hyperopt有不同的函数来指定输出参数的范畴，这些是随机搜寻空间。抉择最罕用的搜寻选项：

  • hp.choice(label, options)-这可用于分类参数，它返回其中一个选项，它应该是一个列表或元组。示例:hp.choice(“criterion”, [“gini”,”entropy”,])
  • hp.randint(label, upper)-可用于整数参数，它返回范畴（0，upper）内的随机整数。示例：hp.randint(“max_features”,50)
  • hp.uniform(label, low, high)-它返回一个介于low和high之间的值。示例：hp.uniform(“max_leaf_nodes”,1,10)

你能够应用的其余选项包含：

  • hp.normal(label, mu, sigma)-这将返回一个理论值，该值遵从均值为mu和标准差为sigma的正态分布
  • hp.qnormal(label, mu, sigma, q)-返回一个相似round(normal(mu, sigma) / q) * q的值
  • hp.lognormal(label, mu, sigma)-返回exp(normal(mu, sigma))
  • hp.qlognormal(label, mu, sigma, q) -返回一个相似round(exp(normal(mu, sigma)) / q) * q的值

你能够在这里理解更多的搜寻空间选项：https://github.com/hyperopt/h...

注：每个可优化的随机表达式都有一个标签（例如n_estimators）作为第一个参数。这些标签用于在优化过程中将参数抉择返回给调用者。

（b） 指标函数

这是一个最小化函数，它从搜寻空间接管超参数值作为输出并返回损失。这意味着在优化过程中，咱们应用选定的超参数值训练模型并预测指标特色，而后评估预测误差并将其返回给优化器。优化器将决定要查看哪些值并再次迭代。你将在一个理论例子中学习如何创立一个指标函数。

（c） fmin

fmin函数是对不同的算法集及其超参数进行迭代，而后使指标函数最小化的优化函数。fmin有5个输出是：

  • 最小化的指标函数
  • 定义的搜寻空间
  • 应用的搜索算法有随机搜寻、TPE（Tree-Parzen预计器）和自适应TPE。

    留神：hyperopt.rand.suggest以及hyperopt.tpe.suggest为超参数空间的顺序搜索提供逻辑。

  • 最大评估数
  • trials对象（可选）

例子：

from hyperopt import fmin, tpe, hp,Trialstrials = Trials()best = fmin(fn=lambda x: x ** 2,            space= hp.uniform('x', -10, 10),            algo=tpe.suggest,            max_evals=50,            trials = trials)print(best)
（d） 试验对象

Trials对象用于保留所有超参数、损失和其余信息，这意味着你能够在运行优化后拜访它们。此外，trials 能够帮忙你保留和加载重要信息，而后持续优化过程。（你将在理论示例中理解更多信息）。

from hyperopt import Trials trials = Trials()

在了解了Hyperopt的重要个性之后，上面将介绍Hyperopt的应用办法。

  • 初始化要搜寻的空间。
  • 定义指标函数。
  • 抉择要应用的搜索算法。
  • 运行hyperopt函数。
  • 分析测试对象中存储的评估输入。

实际中的Hyperpot

当初你曾经理解了Hyperopt的重要个性，在这个理论示例中，咱们将应用挪动价格数据集，工作是创立一个模型，预测挪动设施的价格是0（低成本）或1（中等老本）或2（高老本）或3（十分高老本）。

装置Hyperopt

你能够从PyPI装置hyperopt。

pip install hyperopt

而后导入重要的软件包

# 导入包import numpy as np import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn import metricsfrom sklearn.model_selection import cross_val_scorefrom sklearn.preprocessing import StandardScaler from hyperopt import tpe, hp, fmin, STATUS_OK,Trialsfrom hyperopt.pyll.base import scopeimport warningswarnings.filterwarnings("ignore")

数据集

让咱们从数据目录加载数据集。以获取无关此数据集的更多信息：https://www.kaggle.com/iabhis...

# 加载数据data = pd.read_csv("data/mobile_price_data.csv")

检查数据集的前五行。

# 读取数据data.head()

如你所见，在咱们的数据集中，咱们有不同的数值特色。

让咱们察看一下数据集的形态。

# 显示形态data.shape

(2000, 21)

在这个数据集中，咱们有2000行和21列。当初让咱们理解一下这个数据集中的特色列表。

#显示列表 list(data.columns)
[‘battery_power’, ‘blue’, ‘clock_speed’, ‘dual_sim’, ‘fc’, ‘four_g’, ‘int_memory’, ‘m_dep’, ‘mobile_wt’, ‘n_cores’, ‘pc’, ‘px_height’, ‘px_width’, ‘ram’, ‘sc_h’, ‘sc_w’, ‘talk_time’, ‘three_g’, ‘touch_screen’, ‘wifi’, ‘price_range’]

你能够在这里找到每个列名的含意：https://www.kaggle.com/iabhis...

将数据集合成为指标特色和独立特色

这是一个分类问题，咱们将从数据集中拆散出指标特色和独立特色。咱们的指标是价格区间。

# 将数据拆分为特色和指标X = data.drop("price_range", axis=1).values y = data.price_range.values

预处理数据集

而后应用scikit-learn中的StandardScaler办法对独立特色进行标准化。

# 标准化特色变量scaler = StandardScaler()X_scaled = scaler.fit_transform(X)

为优化定义参数空间

咱们将应用随机森林算法的三个超参数，即n_estimators、max_depth和criterion。

space = {    "n_estimators": hp.choice("n_estimators", [100, 200, 300, 400,500,600]),    "max_depth": hp.quniform("max_depth", 1, 15,1),    "criterion": hp.choice("criterion", ["gini", "entropy"]),}

咱们在下面抉择的超参数中设置了不同的值。而后定义指标函数。

定义最小化函数（指标函数）

咱们的最小化函数称为超参数调整，优化其超参数的分类算法是随机森林。我应用穿插验证来防止过拟合，而后函数将返回一个损失值及其状态。

# 定义指标函数def hyperparameter_tuning(params):    clf = RandomForestClassifier(**params,n_jobs=-1)    acc = cross_val_score(clf, X_scaled, y,scoring="accuracy").mean()    return {"loss": -acc, "status": STATUS_OK}

留神：记住hyperopt最小化了函数，所以我在acc中增加了负号：

微调模型

最初，首先实例化Trial 对象，对模型进行微调，而后用其超参数值打印出最佳损失。

# 初始化Trial 对象trials = Trials()best = fmin(    fn=hyperparameter_tuning,    space = space,     algo=tpe.suggest,     max_evals=100,     trials=trials)print("Best: {}".format(best))
100%|█████████████████████████████████████████████████████████| 100/100 [10:30<00:00, 6.30s/trial, best loss: -0.8915] Best: {‘criterion’: 1, ‘max_depth’: 11.0, ‘n_estimators’: 2}.

在进行超参数优化后，损失为-0.8915，应用随机森林分类器中的n_estimators=300，max_depth=11，criterian=“entropy”，模型性能的准确率为89.15%。

应用trials对象剖析后果

trials对象能够帮忙咱们查看在试验期间计算的所有返回值。

（一）trials.results

这显示搜寻期间“objective”返回的词典列表。

trials.results
[{‘loss’: -0.8790000000000001, ‘status’: ‘ok’}, {‘loss’: -0.877, ‘status’: ‘ok’}, {‘loss’: -0.768, ‘status’: ‘ok’}, {‘loss’: -0.8205, ‘status’: ‘ok’}, {‘loss’: -0.8720000000000001, ‘status’: ‘ok’}, {‘loss’: -0.883, ‘status’: ‘ok’}, {‘loss’: -0.8554999999999999, ‘status’: ‘ok’}, {‘loss’: -0.8789999999999999, ‘status’: ‘ok’}, {‘loss’: -0.595, ‘status’: ‘ok’},…….]
（二）trials.losses()

这显示了一个损失列表

trials.losses()
[-0.8790000000000001, -0.877, -0.768, -0.8205, -0.8720000000000001, -0.883, -0.8554999999999999, -0.8789999999999999, -0.595, -0.8765000000000001, -0.877, ………]
（三）trials.statuses()

这将显示状态字符串的列表。

trials.statuses()
[‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ‘ok’, ……….]

注：这个试验对象能够保留，传递到内置的绘图例程，或者用你本人的自定义代码进行剖析。

结尾

祝贺你，你曾经实现了这篇文章

你能够在此处下载本文中应用的数据集和笔记本：https://github.com/Davisy/Hyp...

原文链接：https://www.analyticsvidhya.c...

欢送关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官网文档：
http://sklearn123.com/

欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/