在以前的文章中我们介绍过一些基于遗传算法的知识，本篇文章将使用遗传算法处理机器学习模型和时间序列数据。
超参数调整（TPOT ）
自动机器学习（Auto ML）通过自动化整个机器学习过程，帮我们找到最适合预测的模型，对于机器学习模型来说Auto ML可能更多的意味着超参数的调整和优化。
在这里我们使用python的一个名叫Tpot 的包来操作，TPOT 是建立在 scikit-learn 之上，虽然还是处在开发中，但是他的功能已经可以帮助我们了解这些概念了，下图显示了 Tpot 的工作原理：
fromtpotimportTPOTClassifierfromtpotimportTPOTRegressormodel=TPOTClassifier(generations=100, population_size=100, offspring_size=None, mutation_rate=0.9, crossover_rate=0.1, scoring=None, cv=5, subsample=1.0, n_jobs=1, max_time_mins=None, max_eval_time_mins=5, random_state=None, config_dict=None, template=None, warm_start=False, memory=None, use_dask=False, periodic_checkpoint_folder=None, early_stop=None, verbosity=0, disable_update_check=False, log_file=None)
通过上面的代码就可以获得简单的回归模型，这是默认参数列表
generations=100, population_size=100, offspring_size=None#Jeffnotesthisgetssettopopulation_sizemutation_rate=0.9, crossover_rate=0.1, scoring="Accuracy", #forClassificationcv=5, subsample=1.0, n_jobs=1, max_time_mins=None, max_eval_time_mins=5, random_state=None, config_dict=None, warm_start=False, memory=None, periodic_checkpoint_folder=None, early_stop=Noneverbosity=0disable_update_check=False
我们看看有哪些超参数可以进行调整：
generations ：迭代次数。默认值为 100。
population_size：每代遗传编程种群中保留的个体数。默认值为 100。
offspring_size：在每一代遗传编程中产生的后代数量。默认值为 100。
mutation_rate：遗传编程算法的突变率 范围[0.0, 1.0] 。该参数告诉 GP 算法有多少管道将随机更改应用于每词迭代。默认值为 0.9
crossover_rate：遗传编程算法交叉率， 范围[0.0, 1.0] 。这个参数告诉遗传编程算法每一代要“培育”多少管道。
scoring：用于评估问题函数，如准确率、平均精度、roc_auc、召回率等。默认为准确率。
cv：评估管道时使用的交叉验证策略。默认值为 5。
random_state：TPOT 中使用的伪随机数生成器的种子。使用此参数可确保运行 TPOT 时使用相同随机种子，得到相同的结果。
n_jobs：= -1多个 CPU 内核上运行以加快 tpot 进程。
period_checkpoint_folder：“any_string”，可以在训练分数提高的同时观察模型的演变。
mutation_rate + crossover_rate 不能超过 1.0。
下面我们将Tpot 和sklearn结合使用，进行模型的训练。
frompandasimportread_csvfromsklearn.preprocessingimportLabelEncoderfromsklearn.model_selectionimportRepeatedStratifiedKFoldfromtpotimportTPOTClassifierdataframe=read_csv('sonar.csv') #defineXandydata=dataframe.valuesX, y=data[:, :-1], data[:, -1] #minimallypreparedatasetX=X.astype('float32') y=LabelEncoder().fit_transform(y.astype('str')) #splitthedatasetfromsklearn.model_selectionimporttrain_test_splitX_train, X_test, y_train, y_test=train_test_split(X, y, test_size=0.2, random_state=0) #definecrossvalidationcv=RepeatedStratifiedKFold(n_splits=10, n_repeats=3, random_state=1)
现在我们运行 TPOTClassifier，进行超参数的优化
#initializetheclassifiermodel=TPOTClassifier(generations=5, population_size=50,max_time_mins=2,cv=cv, scoring='accuracy', verbosity=2, random_state=1, n_jobs=-1) model.fit(X_train, y_train) #exportthebestmodelmodel.export('tpot_best_model.py')
最后一句代码将模型保存在 .py 文件中，在使用的是后可以直接import。因为对于AutoML来说，最大的问题就是训练的时间，所以为了节省时间，population_size、max_time_mins 等值都使用了最小的设置。
现在我们打开文件 tpot_best_model.py，看看内容：
importnumpyasnpimportpandasaspdfromsklearn.linear_modelimportRidgeCVfromsklearn.model_selectionimporttrain_test_splitfromsklearn.pipelineimportmake_pipelinefromsklearn.preprocessingimportPolynomialFeaturesfromtpot.export_utilsimportset_param_recursive#NOTE: Makesurethattheoutcomecolumnislabeled'target'inthedatafiletpot_data=pd.read_csv('PATH/TO/DATA/FILE', sep='COLUMN_SEPARATOR', dtype=np.float64) features=tpot_data.drop('target', axis=1) training_features, testing_features, training_target, testing_target=\train_test_split(features, tpot_data['target'], random_state=1) #AverageCVscoreonthetrainingsetwas: -29.099695845082277exported_pipeline=make_pipeline( PolynomialFeatures(degree=2, include_bias=False, interaction_only=False), RidgeCV() ) #Fixrandomstateforallthestepsinexportedpipelineset_param_recursive(exported_pipeline.steps, 'random_state', 1) exported_pipeline.fit(training_features, training_target) results=exported_pipeline.predict(testing_features)
如果想做预测的话，使用下面代码
yhat=exported_pipeline.predict(new_data)
以上就是遗传算法进行AutoML/机器学习中超参数优化的方法。遗传算法受到达尔文自然选择过程的启发，并被用于计算机科学以寻找优化搜索。简而言之遗传算法由 3 种常见行为组成：选择、交叉、突变
下面我们看看它对处理时间序列的模型有什么帮助
时间序列数据建模（AutoTS）
在Python中有一个名叫 AutoTS 的包可以处理时间序列数据，我们从它开始
#AutoTS
fromautotsimportAutoTSfromautots.models.model_listimportmodel_listsprint(model_lists)
autots中有大量不同类型的时间序列模型，他就是以这些算法为基础，通过遗传算法的优化来找到最优的模型。
现在让我们加载数据。
#defaultdatafromautots.datasetsimportload_monthly#datawasinlongformatdf_long=load_monthly(long=True)
用不同的参数初始化AutoTS
model=AutoTS( forecast_length=3, frequency='infer', ensemble='simple', max_generations=5, num_validations=2, ) model=model.fit(df_long, date_col='datetime', value_col='value', id_col='series_id') #help(AutoTS)
这个步骤需要很长的时间，因为它必须经过多次算法迭代。
print(model)
我们还可以查看模型准确率分数
#accuracyscoremodel.results() #aggregatedfromcrossvalidationvalidation_results=model.results("validation")
从模型准确度分数列表中，还可以看到上面突出显示的“Ensemble”这一栏，它的低精度验证了一个理论，即Ensemble总是表现更好,这种说法是不正确的。
找到了最好的模型，就可以进行预测了。
prediction=model.predict() forecasts_df=prediction.forecastupper_forecasts_df=prediction.upper_forecastlower_forecasts_df=prediction.lower_forecast#orforecasts_df1=prediction.long_form_results() upper_forecasts_df1=prediction.long_form_results() lower_forecasts_df1=prediction.long_form_results()
默认的方法是使用AutoTs提供的所有模型进行训练，如果我们想要在一些模型列表上执行，并对某个特性设定不同的权重，就需要一些自定义的配置。
首先还是读取数据
fromautotsimportAutoTSfromautots.datasetsimportload_hourlydf_wide=load_hourly(long=False) #herewecaremostabouttrafficvolume, allotherseriesassumedtobeweightof1weights_hourly= {'traffic_volume': 20}
定义模型列表：
model_list= [ 'LastValueNaive', 'GLS', 'ETS', 'AverageValueNaive', ] model=AutoTS( forecast_length=49, frequency='infer', prediction_interval=0.95, ensemble=['simple', 'horizontal-min'], max_generations=5, num_validations=2, validation_method='seasonal 168', model_list=model_list, transformer_list='all', models_to_validate=0.2, drop_most_recent=1, n_jobs='auto', )
在用数据拟合模型时定义权重：
model=model.fit( df_wide, weights=weights_hourly, ) prediction=model.predict() forecasts_df=prediction.forecast
这样就完成了，对于使用来说非常的简单
