1 超参数优化
调参即超参数优化，是指从超参数空间中选择一组合适的超参数，以权衡好模型的偏差(bias)和方差(variance)，从而提高模型效果及性能。常用的调参方法有：
- 人工手动调参
- 网格/随机搜索(Grid / Random Search)
- 贝叶斯优化(Bayesian Optimization)
注：超参数 vs 模型参数差异 超参数是控制模型学习过程的(如网络层数、学习率)； 模型参数是通过模型训练学习后得到的（如网络最终学习到的权重值）。
2 人工调参
手动调参需要结合数据情况及算法的理解，优化调参的优先顺序及参数的经验值。
不同模型手动调参思路会有差异，如随机森林是一种bagging集成的方法，参数主要有n_estimators（子树的数量）、max_depth（树的最大生长深度）、max_leaf_nodes（最大叶节点数）等。(此外其他参数不展开说明) 对于n_estimators：通常越大效果越好。参数越大，则参与决策的子树越多，可以消除子树间的随机误差且增加预测的准度，以此降低方差与偏差。 对于max_depth或max_leaf_nodes：通常对效果是先增后减的。取值越大则子树复杂度越高，偏差越低但方差越大。
3 网格/随机搜索
- 网格搜索（grid search），是超参数优化的传统方法，是对超参数组合的子集进行穷举搜索，找到表现最佳的超参数子集。
- 随机搜索（random search），是对超参数组合的子集简单地做固定次数的随机搜索，找到表现最佳的超参数子集。对于规模较大的参数空间，采用随机搜索往往效率更高。
import numpy as np from sklearn.model_selection import GridSearchCV from sklearn.model_selection import RandomizedSearchCV from sklearn.ensemble import RandomForestClassifier # 选择模型 model = RandomForestClassifier() # 参数搜索空间 param_grid = { 'max_depth': np.arange(1, 20, 1), 'n_estimators': np.arange(1, 50, 10), 'max_leaf_nodes': np.arange(2, 100, 10) } # 网格搜索模型参数 grid_search = GridSearchCV(model, param_grid, cv=5, scoring='f1_micro') grid_search.fit(x, y) print(grid_search.best_params_) print(grid_search.best_score_) print(grid_search.best_estimator_) # 随机搜索模型参数 rd_search = RandomizedSearchCV(model, param_grid, n_iter=200, cv=5, scoring='f1_micro') rd_search.fit(x, y) print(rd_search.best_params_) print(rd_search.best_score_) print(rd_search.best_estimator_)
4 贝叶斯优化
贝叶斯优化(Bayesian Optimization)与网格/随机搜索最大的不同，在于考虑了历史调参的信息，使得调参更有效率。（高维参数空间下，贝叶斯优化复杂度较高，效果会近似随机搜索。）
4.1 算法简介
贝叶斯优化思想简单可归纳为两部分:
- 高斯过程（GP）：以历史的调参信息（Observation）去学习目标函数的后验分布（Target）的过程。
- 采集函数(AC)： 由学习的目标函数进行采样评估，分为两种过程： 1、开采过程：在最可能出现全局最优解的参数区域进行采样评估。 2、勘探过程：兼顾不确定性大的参数区域的采样评估，避免陷入局部最优。
4.2 算法流程
for循环n次迭代： 采集函数依据学习的目标函数(或初始化)给出下个开采极值点 Xn+1; 评估Xn+1得到Yn+1; 加入新的Xn+1、Yn+1数据样本，并更新高斯过程模型；
""" 随机森林分类Iris使用贝叶斯优化调参 """ import numpy as np from hyperopt import hp, tpe, Trials, STATUS_OK, Trials, anneal from functools import partial from hyperopt.fmin import fmin from sklearn.metrics import f1_score from sklearn.ensemble import RandomForestClassifier def model_metrics(model, x, y): """ 评估指标 """ yhat = model.predict(x) return f1_score(y, yhat,average='micro') def bayes_fmin(train_x, test_x, train_y, test_y, eval_iters=50): """ bayes优化超参数 eval_iters：迭代次数 """ def factory(params): """ 定义优化的目标函数 """ fit_params = { 'max_depth':int(params['max_depth']), 'n_estimators':int(params['n_estimators']), 'max_leaf_nodes': int(params['max_leaf_nodes']) } # 选择模型 model = RandomForestClassifier(**fit_params) model.fit(train_x, train_y) # 最小化测试集（- f1score）为目标 train_metric = model_metrics(model, train_x, train_y) test_metric = model_metrics(model, test_x, test_y) loss = - test_metric return {"loss": loss, "status":STATUS_OK} # 参数空间 space = { 'max_depth': hp.quniform('max_depth', 1, 20, 1), 'n_estimators': hp.quniform('n_estimators', 2, 50, 1), 'max_leaf_nodes': hp.quniform('max_leaf_nodes', 2, 100, 1) } # bayes优化搜索参数 best_params = fmin(factory, space, algo=partial(anneal.suggest,), max_evals=eval_iters, trials=Trials(),return_argmin=True) # 参数转为整型 best_params["max_depth"] = int(best_params["max_depth"]) best_params["max_leaf_nodes"] = int(best_params["max_leaf_nodes"]) best_params["n_estimators"] = int(best_params["n_estimators"]) return best_params # 搜索最优参数 best_params = bayes_fmin(train_x, test_x, train_y, test_y, 100) print(best_params)
