机器学习自动调参小试

2024-01-20 23:50

本文主要是介绍机器学习自动调参小试,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 安装环境

1.1 安装anconda 环境

Linux-Centos7下安装Anaconda(2019年新版)

 

1.2 安装xgboost

conda install py-xgboost

 

1.3 安装ray

pip install --upgrade pip

pip install ray -i https://pypi.doubanio.com/simple

 

2. 脚本

2.1 第一版

#-*- encoding=utf-8 -*-def get_dataset(input_path):df = pd.read_csv(input_path)columns_list = [col for col in df.columns if col != 'label']data, label = df[columns_list], df['label']return data, labeldef objective_function(config, checkpoint_dir=None, path=None):"""需要优化的目标函数:config: 优化对象,超参范围:path: (训练集,OOT文件路径)"""train_path, oot_path = pathtrain_data, train_label = get_dataset(train_path)train_mat = xgboost.DMatrix(train_data, train_label)param = config.copy()...

2.2 第二版

def objective_function(config, checkpoint_dir=None, path=None):"""需要优化的目标函数:config: 优化对象,超参范围:path: (训练集,OOT文件路径)"""train_path, oot_path = pathtrain_mat = xgboost.DMatrix(train_path)...

2.3 完整代码

#-*- encoding=utf-8 -*-import os
import time
import pickle
import numpy as np
import xgboost
import sklearn.metrics as metrics
from ray import tune
from ray.tune.suggest.bohb import TuneBOHB
from ray.tune.schedulers import HyperBandForBOHBdef get_auc_ks(scores, labels):"""计算KS,AUC值:param scores: list-like, model scores;:param labels: list-like, labels;:return: tuple(float, float), auc & ks ;"""flg = Falseif isinstance(labels, xgboost.DMatrix):flg = Truelabels = labels.get_label()fpr, tpr, thresholds = metrics.roc_curve(labels, scores, pos_label=1)auc = metrics.auc(fpr, tpr)ks = np.max(np.abs(tpr - fpr))if flg:return [('my_auc', auc), ('KS', ks)]else:return auc, ksdef metric_ks(pred, dtrain):"""ks metric:param estimator: 模型:param X: 特征:param y: label"""scores = predy = dtrain.get_label()fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=1)ks = np.max(np.abs(tpr - fpr))return 'ks', ksdef custom_metric(pred, dtrain):labels = dtrain.get_label()scores = predfpr, tpr, thresholds = metrics.roc_curve(labels, scores, pos_label=1)auc = metrics.auc(fpr, tpr)ks = np.max(np.abs(tpr - fpr))return [('auc', auc), ('KS', ks)]def objective_function(config, checkpoint_dir=None, path=None):"""需要优化的目标函数:config: 优化对象,超参范围:path: (训练集,OOT文件路径)"""train_path, oot_path = pathtrain_mat = xgboost.DMatrix(train_path)param = config.copy()param["max_depth"] = int(param["max_depth"])n_estimators = int(param.pop("n_estimators"))result = {}cv_results = xgboost.cv(param, dtrain=train_mat, num_boost_round=n_estimators, nfold=5, metrics='logloss', feval=custom_metric, maximize=True, callbacks=[record_evaluation(result, oot_path)])test_score = (result["detail_metrics"]["my_oot"]["auc"][-1], result["detail_metrics"]["my_oot"]["KS"][-1])valid_score = (result["detail_metrics"]["my_valid"]["auc"][-1], result["detail_metrics"]["my_valid"]["KS"][-1])train_score = (result["detail_metrics"]["my_train"]["auc"][-1], result["detail_metrics"]["my_train"]["KS"][-1])nfold = len(valid_score[0])monitor_metric = sum(valid_score[0]) / nfoldwith tune.checkpoint_dir(step=1) as checkpoint_dir:path = os.path.join(checkpoint_dir, "cv_result")with open(path, 'wb') as f:pickle.dump(cv_results, f)return tune.report(valid_auc=monitor_metric,test_score=test_score,valid_score=valid_score,train_score=train_score,done=True)def record_evaluation(eval_result, oot_path):"""callback记录xgboost.cv的指标结果,包含train, valid, oot:eval_result: dict A dictionary to store the evaluation results.:oot_path: OOT Data file path"""if not isinstance(eval_result, dict):raise TypeError('eval_result has to be a dictionary')eval_result.clear()oot_mat = xgboost.DMatrix(oot_path)def init(env):"""internal function"""for item in env.evaluation_result_list:k = item[0]pos = k.index('-')key = k[:pos]metric = k[pos + 1:]if key not in eval_result:eval_result[key] = {}if metric not in eval_result[key]:eval_result[key][metric] = []if 'detail_metrics' not in eval_result:eval_result['detail_metrics'] = {"my_train": {}, "my_valid": {}, "my_oot": {}}def callback(env):"""internal function"""if not eval_result:init(env)for item in env.evaluation_result_list:k, v = item[0], item[1]pos = k.index('-')key = k[:pos]metric = k[pos + 1:]eval_result[key][metric].append(v)tmp = {"my_train": {}, "my_valid": {}, "my_oot": {}}for cvpack in env.cvfolds:bst = cvpack.bstpred_train = bst.predict(cvpack.dtrain)pred_valid = bst.predict(cvpack.dtest)pred_oot = bst.predict(oot_mat)metrics_result_train = dict(custom_metric(pred_train, cvpack.dtrain))metrics_result_valid = dict(custom_metric(pred_valid, cvpack.dtest))metrics_result_oot = dict(custom_metric(pred_oot, oot_mat))for k in metrics_result_oot:tmp["my_train"][k] = tmp["my_train"].get(k, [])+ [metrics_result_train[k]]tmp["my_valid"][k] = tmp["my_valid"].get(k, [])+ [metrics_result_valid[k]]tmp["my_oot"][k] = tmp["my_oot"].get(k, [])+ [metrics_result_oot[k]]for k1 in tmp:for k2 in tmp[k1]:eval_result["detail_metrics"][k1].setdefault(k2, []).append(tmp[k1][k2])return callbackdef hyperopt(param_space, trainpath, testpath, num_eval, name, obj_funcs, log_path='~/ray_results'):"""贝叶斯自动寻参数:param_space: 参数范围,组合范围:X_train: 训练集特征:y_train: 寻链接标签:X_test: 测试集特征:y_test: 测试集标签:num_eval: 寻参次数:log_path: log文件存储路径"""start = time.time()path = (trainpath, testpath)opt = TuneBOHB(max_concurrent=2)bohb = HyperBandForBOHB(time_attr="training_iteration",max_t=num_eval)analysis = tune.run(tune.with_parameters(obj_funcs, path=path), config=param_space, num_samples=num_eval, local_dir=log_path,metric='valid_auc', mode='max', search_alg=opt, scheduler=bohb,resources_per_trial={"cpu": 5}, name=name)best_params = analysis.get_best_config(metric="valid_auc", mode="max")best_params["max_depth"] = int(best_params["max_depth"])n_estimators = int(best_params.pop("n_estimators"))train_mat = xgboost.DMatrix(trainpath)test_mat = xgboost.DMatrix(testpath)model = xgboost.train(best_params, train_mat, n_estimators)    pred_test = model.predict(test_mat)pred_train = model.predict(train_mat)print("-----Results-----")print("Best model & parameters: {}".format(best_params))print("Train Score: {}".format(get_auc_ks(pred_train, train_mat.get_label())))print("Test Score: {}".format(get_auc_ks(pred_test, test_mat.get_label())))print("Time elapsed: {}".format(time.time() - start))print("Parameter combinations evaluated: {}".format(num_eval))return Noneif __name__ == "__main__":trainfile_path = "./train.buffer"testfile_path = "./oot.buffer"name = 'ppdnew_V2'control_overfitting = Falseparam = {'booster': "gbtree",'eta': tune.uniform(0.01, 1),'seed': 1,'max_depth': tune.uniform(3, 5),'n_estimators': tune.uniform(50, 500),'min_child_weight': tune.uniform(1, 300),'colsample_bytree': tune.uniform(0.6, 1.0),'subsample': tune.uniform(0.5, 1),'lambda': tune.uniform(0.0, 100),'alpha': tune.uniform(0.0, 100),'scale_pos_weight': tune.uniform(1, 5),'n_jobs': 5}print("begin tuning")hyperopt(param, trainfile_path, testfile_path, 100, name, obj_funcs=objective_function)

 

3. 运行结果

3.1 运行过程中的结果

 

3.2 查看最终结果

from ray import tune
path = "~/ray_results/ppdnew_V2"
ana = tune.Analysis(path)
df = ana.dataframe().sort_values("valid_auc", ascending=False)print("path: ", path)diff_time = df.timestamp.max() - df.timestamp.min()
print("total time(h): ", diff_time / 60 / 60)
print("")
print(df.sort_values("valid_auc", ascending=False))
print("average running time, ", df["time_this_iter_s"].mean())
print(df.iloc[0])

 

4. 小结

4.1 环境

配置环境时,踩了很多坑,执行代码时可能会出现“dlopen:cannot load any more object with static TLS:”,找了很多方法尝试无果后,打算配置个conda环境来试试,然后就绕过了这个问题。

 

4.2 代码

(1)刚开始采用xgboost.DMatrix直接加载csv文件,但不清楚如何指定label,导致返回的auc等指标为nan,排查后发现不指定label会默认设置成0;

(2)加载数据采用pandas读取,然后传给xgboost.DMatrix(train_data, train_label)的格式,这种方式速度较慢。

(3)先对csv文件进行处理,转换成xgboost.DMatrix可以加载的二进制文件,代码如下:

#-*- encoding=utf-8 -*-import sys
import pandas as pd
import xgboost as xgbif __name__ == "__main__":input_path = sys.argv[1]output_path = sys.argv[2]df = pd.read_csv(input_path)df.to_csv("./temp.csv", index=False, header=None)mat = xgb.DMatrix("./temp.csv?format=csv&label_column=0")mat.save_binary(output_path)

 

这篇关于机器学习自动调参小试的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/627742

相关文章

一文详解MySQL如何设置自动备份任务

《一文详解MySQL如何设置自动备份任务》设置自动备份任务可以确保你的数据库定期备份,防止数据丢失,下面我们就来详细介绍一下如何使用Bash脚本和Cron任务在Linux系统上设置MySQL数据库的自... 目录1. 编写备份脚本1.1 创建并编辑备份脚本1.2 给予脚本执行权限2. 设置 Cron 任务2

MyBatis Plus 中 update_time 字段自动填充失效的原因分析及解决方案(最新整理)

《MyBatisPlus中update_time字段自动填充失效的原因分析及解决方案(最新整理)》在使用MyBatisPlus时,通常我们会在数据库表中设置create_time和update... 目录前言一、问题现象二、原因分析三、总结:常见原因与解决方法对照表四、推荐写法前言在使用 MyBATis

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和

Python使用smtplib库开发一个邮件自动发送工具

《Python使用smtplib库开发一个邮件自动发送工具》在现代软件开发中,自动化邮件发送是一个非常实用的功能,无论是系统通知、营销邮件、还是日常工作报告,Python的smtplib库都能帮助我们... 目录代码实现与知识点解析1. 导入必要的库2. 配置邮件服务器参数3. 创建邮件发送类4. 实现邮件

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

Python使用pynput模拟实现键盘自动输入工具

《Python使用pynput模拟实现键盘自动输入工具》在日常办公和软件开发中,我们经常需要处理大量重复的文本输入工作,所以本文就来和大家介绍一款使用Python的PyQt5库结合pynput键盘控制... 目录概述:当自动化遇上可视化功能全景图核心功能矩阵技术栈深度效果展示使用教程四步操作指南核心代码解析

SpringBoot实现文件记录日志及日志文件自动归档和压缩

《SpringBoot实现文件记录日志及日志文件自动归档和压缩》Logback是Java日志框架,通过Logger收集日志并经Appender输出至控制台、文件等,SpringBoot配置logbac... 目录1、什么是Logback2、SpringBoot实现文件记录日志,日志文件自动归档和压缩2.1、

SpringCloud使用Nacos 配置中心实现配置自动刷新功能使用

《SpringCloud使用Nacos配置中心实现配置自动刷新功能使用》SpringCloud项目中使用Nacos作为配置中心可以方便开发及运维人员随时查看配置信息,及配置共享,并且Nacos支持配... 目录前言一、Nacos中集中配置方式?二、使用步骤1.使用$Value 注解2.使用@Configur

Golang实现Redis分布式锁(Lua脚本+可重入+自动续期)

《Golang实现Redis分布式锁(Lua脚本+可重入+自动续期)》本文主要介绍了Golang分布式锁实现,采用Redis+Lua脚本确保原子性,持可重入和自动续期,用于防止超卖及重复下单,具有一定... 目录1 概念应用场景分布式锁必备特性2 思路分析宕机与过期防止误删keyLua保证原子性可重入锁自动

python利用backoff实现异常自动重试详解

《python利用backoff实现异常自动重试详解》backoff是一个用于实现重试机制的Python库,通过指数退避或其他策略自动重试失败的操作,下面小编就来和大家详细讲讲如何利用backoff实... 目录1. backoff 库简介2. on_exception 装饰器的原理2.1 核心逻辑2.2