Python机器学习之超参数调整
- 🌸个人主页：JoJo的数据分析历险记
- 📝个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生
- 💌如果文章对你有帮助，欢迎✌
关注、👍点赞、✌收藏、👍订阅专栏
在我们选择好一个模型后，接下来要做的是如何提高模型的精度。因此需要进行超参数调整，一种方法是手动调整超参数，直到找到超参数值的最佳组合。这将是一个非常复杂的工作，我们可以通过sklearn中的一些方法来进行搜索。我们所需要做的就是告诉它我们想用哪些超参数进行实验，以及尝试哪些值，然后它将使用交叉验证来评估所有可能的超参数值组合。
💮1 使用GridSearchCV
- 这种方法就是通过不断搜索匹配选出最好的超参数
具体代码如下
# 导入所需库
import numpy as np
from sklearn import linear_model, datasets
from sklearn.model_selection import GridSearchCV# 加载数据
iris = datasets.load_iris()
features = iris.data
target = iris.target# 创建模型
logistic = linear_model.LogisticRegression()logistic回归有两个参数，一个是正则化惩罚的方式L1,L2
还有一个是正则化系数C
penalty = ['l1', 'l2']C = np.logspace(0, 4, 10)hyperparameters = dict(C=C, penalty=penalty)# 创建网格搜索对象
gridsearch = GridSearchCV(logistic, hyperparameters, cv=5)默认情况下，在找到最佳超参数之后，GridSearchCV将使用最佳超参数和整个数据集重新训练模型
best_model = gridsearch.fit(features, target)下面我们来看一下最优的具体超参数
best_model.best_estimator_.get_params(){'C': 7.742636826811269,
'class_weight': None,
'dual': False,
'fit_intercept': True,
'intercept_scaling': 1,
'l1_ratio': None,
'max_iter': 100,
'multi_class': 'auto',
'n_jobs': None,
'penalty': 'l2',
'random_state': None,
'solver': 'lbfgs',
'tol': 0.0001,
'verbose': 0,
'warm_start': False}
正则化系数取C:7.74,惩罚项选择L2正则化
best_model.predict(features)array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])
🍁2.使用随机搜索选择模型
当您探索相对较少的组合时，网格搜索方法很好，如前一个示例中所示，但当超参数搜索空间较大时，通常最好使用randomizedsearchcv。该类的使用方式与GridSearchCVclass大致相同，但它不是尝试所有可能的组合，而是评估给定的通过在每次迭代中为每个HyperParameter选择一个随机值来计算随机组合的数量。这种方法有两个主要好处
- 如果让随机搜索运行1000次迭代，这种方法将为每个超参数探索1000个不同的值（而不是网格搜索方法中每个超参数只有几个值）。
- 只需设置迭代次数，就可以更好地控制要分配给
hyperparametersearch的计算预算
from sklearn.model_selection import RandomizedSearchCV
from scipy.stats import uniform#c来自一个均匀分布
c = uniform(loc=0, scale=4)hyperparameters = dict(C=c, penalty=penalty)randomizedsearchCV = RandomizedSearchCV(logistic, hyperparameters, random_state=1, n_iter=100, cv=5)best_model = randomizedsearchCV.fit(features, target)best_model.best_estimator_.get_params(){'C': 1.668088018810296,
'class_weight': None,
'dual': False,
'fit_intercept': True,
'intercept_scaling': 1,
'l1_ratio': None,
'max_iter': 100,
'multi_class': 'warn',
'n_jobs': None,
'penalty': 'l1',
'random_state': None,
'solver': 'warn',
'tol': 0.0001,
'verbose': 0,
'warm_start': False}
可以看到此时最优超参数为C：1.67， 正则化方式选L1
🏵️3.从多种学习算法中选择最佳模型
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegressionnp.random.seed(10)iris = datasets.load_iris()pip = Pipeline([('classifier', RandomForestClassifier())])search_space = [{'classifier':[LogisticRegression()],
'classifier__penalty': ['l1', 'l2'],
'classifier__C': np.logspace(0, 4, 10)},
{'classifier': [RandomForestClassifier()],
'classifier__n_estimators':[10, 100, 1000],
'classifier__max_features':[1, 2, 3]}]gridsearch = GridSearchCV(pip, search_space, cv=5)best_model = gridsearch.fit(features, target)best_model.best_estimator_.get_params(){'memory': None,
'steps': [('classifier', LogisticRegression(C=7.742636826811269))],
'verbose': False,
'classifier': LogisticRegression(C=7.742636826811269),
'classifier__C': 7.742636826811269,
'classifier__class_weight': None,
'classifier__dual': False,
'classifier__fit_intercept': True,
'classifier__intercept_scaling': 1,
'classifier__l1_ratio': None,
'classifier__max_iter': 100,
'classifier__multi_class': 'auto',
'classifier__n_jobs': None,
'classifier__penalty': 'l2',
'classifier__random_state': None,
'classifier__solver': 'lbfgs',
'classifier__tol': 0.0001,
'classifier__verbose': 0,
'classifier__warm_start': False}
对于该数据集，上述结果表明使用logistic回归的效果比随机森林更好
本章的介绍到此介绍，如果文章对你有帮助，请多多点赞、收藏、评论、关注支持！！
