Вы написали скрипт Python, который обучает и оценивает вашу модель машинного обучения. Теперь вы хотите автоматически настраивать гиперпараметры для повышения производительности?
Понял тебя!
В этой статье я покажу вам, как преобразовать ваш скрипт в целевую функцию, которую можно оптимизировать с помощью любой библиотеки оптимизации гиперпараметров.
Это займет всего 3 шага, и вы будете настраивать параметры модели, как будто завтра не наступит.
Готовый?
Пойдем!
Я предполагаю, что ваш сценарий main.py выглядит примерно так:
import pandas as pd import lightgbm as lgb from sklearn.model_selection import train_test_split data = pd.read_csv('data/train.csv', nrows=10000) X = data.drop(['ID_code', 'target'], axis=1) y = data['target'] (X_train, X_valid, y_train, y_valid )= train_test_split(X, y, test_size=0.2, random_state=1234) train_data = lgb.Dataset(X_train, label=y_train) valid_data = lgb.Dataset(X_valid, label=y_valid, reference=train_data) params = {'objective': 'binary', 'metric': 'auc', 'learning_rate': 0.4, 'max_depth': 15, 'num_leaves': 20, 'feature_fraction': 0.8, 'subsample': 0.2} model = lgb.train(params, train_data, num_boost_round=300, early_stopping_rounds=30, valid_sets=[valid_data], valid_names=['valid']) score = model.best_score['valid']['auc'] print('validation AUC:', score)
Шаг 1. Отделите параметры поиска от кода
Возьмите параметры, которые вы хотите настроить, и поместите их в словарь в верхней части скрипта. Тем самым вы эффективно отделяете параметры поиска от остального кода.
import pandas as pd import lightgbm as lgb from sklearn.model_selection import train_test_split SEARCH_PARAMS = {'learning_rate': 0.4, 'max_depth': 15, 'num_leaves': 20, 'feature_fraction': 0.8, 'subsample': 0.2} data = pd.read_csv('../data/train.csv', nrows=10000) X = data.drop(['ID_code', 'target'], axis=1) y = data['target'] X_train, X_valid, y_train, y_valid = train_test_split(X, y, test_size=0.2, random_state=1234) train_data = lgb.Dataset(X_train, label=y_train) valid_data = lgb.Dataset(X_valid, label=y_valid, reference=train_data) params = {'objective': 'binary', 'metric': 'auc', **SEARCH_PARAMS} model = lgb.train(params, train_data, num_boost_round=300, early_stopping_rounds=30, valid_sets=[valid_data], valid_names=['valid']) score = model.best_score['valid']['auc'] print('validation AUC:', score)
Шаг 2. Превратите обучение и оценку в функцию
Теперь вы можете поместить всю логику обучения и оценки в функцию train_evaluate. Эта функция принимает параметры в качестве входных данных и выводит оценку валидации.
import pandas as pd import lightgbm as lgb from sklearn.model_selection import train_test_split SEARCH_PARAMS = {'learning_rate': 0.4, 'max_depth': 15, 'num_leaves': 20, 'feature_fraction': 0.8, 'subsample': 0.2} def train_evaluate(search_params): data = pd.read_csv('../data/train.csv', nrows=10000) X = data.drop(['ID_code', 'target'], axis=1) y = data['target'] X_train, X_valid, y_train, y_valid = train_test_split(X, y, test_size=0.2, random_state=1234) train_data = lgb.Dataset(X_train, label=y_train) valid_data = lgb.Dataset(X_valid, label=y_valid, reference=train_data) params = {'objective': 'binary', 'metric': 'auc', **search_params} model = lgb.train(params, train_data, num_boost_round=300, early_stopping_rounds=30, valid_sets=[valid_data], valid_names=['valid']) score = model.best_score['valid']['auc'] return score if __name__ == '__main__': score = train_evaluate(SEARCH_PARAMS) print('validation AUC:', score)
Шаг 3. Запустите скрипт настройки гиперпараметров
Мы почти на месте.
Все, что вам нужно сделать сейчас, это использовать эту функцию train_evaluate в качестве цели для выбранной вами библиотеки оптимизации черного ящика.
Я буду использовать Scikit Optimize, который я подробно описал в другой статье, но вы можете использовать любую библиотеку оптимизации гиперпараметров.
Вкратце я:
- определите поиск ПРОБЕЛ,
- создайте функцию target, которая будет минимизирована,
- запустите оптимизацию с помощью функции skopt.forest_minimize.
В этом примере я попробую 100 различных конфигураций, начиная с 10 случайно выбранных наборов параметров.
import skopt from script_step2 import train_evaluate SPACE = [ skopt.space.Real(0.01, 0.5, name='learning_rate', prior='log-uniform'), skopt.space.Integer(1, 30, name='max_depth'), skopt.space.Integer(2, 100, name='num_leaves'), skopt.space.Real(0.1, 1.0, name='feature_fraction', prior='uniform'), skopt.space.Real(0.1, 1.0, name='subsample', prior='uniform')] @skopt.utils.use_named_args(SPACE) def objective(**params): return -1.0 * train_evaluate(params) results = skopt.forest_minimize(objective, SPACE, n_calls=30, n_random_starts=10) best_auc = -1.0 * results.fun best_params = results.x print('best result: ', best_auc) print('best parameters: ', best_params)
Это оно.
Объект results содержит информацию о лучшем результате и параметрах, по которым оно было получено.
Примечание.
Если вы хотите визуализировать свое обучение и сохранить диагностические диаграммы после его завершения, вы можете добавить один обратный вызов и один вызов функции для регистрации каждого поиска гиперпараметров в Нептун.
Просто воспользуйтесь этой вспомогательной функцией мониторинга optuna.
import neptune import neptunecontrib.monitoring.skopt as sk_utils import skopt from script_step2 import train_evaluate neptune.init('jakub-czakon/blog-hpo') neptune.create_experiment('hpo-on-any-script', upload_source_files=['*.py']) SPACE = [ skopt.space.Real(0.01, 0.5, name='learning_rate', prior='log-uniform'), skopt.space.Integer(1, 30, name='max_depth'), skopt.space.Integer(2, 100, name='num_leaves'), skopt.space.Real(0.1, 1.0, name='feature_fraction', prior='uniform'), skopt.space.Real(0.1, 1.0, name='subsample', prior='uniform')] @skopt.utils.use_named_args(SPACE) def objective(**params): return -1.0 * train_evaluate(params) monitor = sk_utils.NeptuneMonitor() results = skopt.forest_minimize(objective, SPACE, n_calls=100, n_random_starts=10, callback=[monitor]) sk_utils.log_results(results) neptune.stop()
Теперь, когда вы запустите поиск параметров, вы увидите следующее:
Оцените эксперимент с разверткой гиперпараметров skopt со всем кодом, диаграммами и результатами.
Последние мысли
Из этой статьи вы узнали, как оптимизировать гиперпараметры практически любого скрипта Python всего за 3 шага.
Надеюсь, что с этими знаниями вы сможете строить более совершенные модели машинного обучения с меньшими усилиями.
Удачной тренировки!
Эта статья изначально была размещена в блоге Neptune. Если понравилось, может и там понравится :)
Вы также можете найти, что я пишу в Твиттере @Neptune_a i » или «публикую в LinkedIn о машинном обучении и науке о данных.