PoSH-autosklearn源码分析

2024-04-20 23:38
文章标签 分析 源码 posh autosklearn

本文主要是介绍PoSH-autosklearn源码分析,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!

论文:(2018ICML)
https://ml.informatik.uni-freiburg.de/papers/18-AUTOML-AutoChallenge.pdf

代码:
http://ml.informatik.uni-freiburg.de/downloads/automl_competition_2018.zip

数据:(codalab平台,需要注册)
https://competitions.codalab.org/competitions/17767#participate-get_data

TODO LIST

  1. PoSH对时序数据是怎么处理的?

文章目录

  • 特别苟的Manual design decisions
    • 特征选择
    • 少样本数不采用SH
  • Budget 的计算

特别苟的Manual design decisions

  1. 如果特征数>500, 用单变量特征选择(听起来很牛逼,看代码就知道怎么回事了)
  2. 如果样本数<1000, 不采用SuccessiveHaving。并且采用交叉验证的方式,而不是HoldOut

在附录A.3A.4有比较详细的需求。

特征选择

特征选择
logic.project_data_via_feature_selection

imp = sklearn.preprocessing.Imputer(strategy='median')
pca = sklearn.feature_selection.SelectKBest(k=n_keep)
pipeline = sklearn.pipeline.Pipeline((('imp', imp), ('pca', pca)))

如果特征数>500, 强行将为500.
lib/logic.py:114

        D.feat_type = [ft for i, ft in enumerate(D.feat_type) if rval[2][i] == True]

更新feat_type


少样本数不采用SH

回到logic
lib/logic.py:227

    if min_budget == max_budget:res = SSB.run(len(autosklearn_portfolio), min_n_workers=1)else:res = SSB.run(1, min_n_workers=1)

如果样本数<1000, 则设置min_budget = max_budget, 且不采用SH,强行迭代16次。

Budget 的计算

    max_budget = 1.0min_budget = 1.0 / 16eta = 4

eta是什么意思呢?可以回顾我的这篇文章:HpBandSter源码分析

n_iterations是用户指定的,stages是根据max_budget, min_budget, eta决定的,详见hpbandster.optimizers.bohb.BOHB#__init__

hpbandster/optimizers/bohb.py:101

self.max_SH_iter = -int(np.log(min_budget/max_budget)/np.log(eta)) + 1
max_budget=243
min_budget=9
eta=3

s m a x = l o g η ( R ) s_{max}=log_{\eta}(R) smax=logη(R)
B = ( S m a x + 1 ) R B=(S_{max}+1)R B=(Smax+1)R

eta η \eta η 其实是SuccessiveHaving的budget扩增倍数,从9到243,每次增加3倍,即:

9, 27, 81, 243

再看到PoSH的代码

    max_budget = 1.0min_budget = 1.0 / 16eta = 4

hp_util.SideShowBOHB

self.max_SH_iter = -int(np.log(min_budget / max_budget) / np.log(eta)) + 1
self.budgets = max_budget * np.power(eta,-np.linspace(self.max_SH_iter - 1,0, self.max_SH_iter))
self.max_SH_iter
Out[5]: 3
self.budgets
Out[6]: array([0.0625, 0.25  , 1.    ])

1 16 ⇒ 4 16 ⇒ 16 16 \frac{1}{16} \Rightarrow \frac{4}{16} \Rightarrow \frac{16}{16} 1611641616


lib/hp_util.py:62

            self.budget_converter = {'libsvm_svc': lambda b: b,'random_forest': lambda b: int(b*128),'sgd': lambda b: int(b*512),'xgradient_boosting': lambda b: int(b*512),'extra_trees': lambda b: int(b*1024)}

budget与iterations的转换数与论文也是对应的

lib/logic.py:202

worker.run(background=True)

在用线程跑

portfolio.get_hydra_portfolio
获取混合文件夹

balancing的策略还是存在的

    SSB = hp_util.SideShowBOHB(configspace=worker.get_config_space(),initial_configs=autosklearn_portfolio,run_id=run_id,eta=eta, min_budget=min_budget, max_budget=max_budget,SH_only=True,       # suppresses Hyperband's outer loop and runs SuccessiveHalving onlynameserver=ns_host,nameserver_port=ns_port,ping_interval=sleep,job_queue_sizes=(-1, 0),dynamic_queue_size=True,)
eta
Out[4]: 4
min_budget
Out[5]: 0.0625
max_budget
Out[6]: 1.0
sleep
Out[7]: 5
run_id
Out[8]: '0'

SideShowBOHBMaster, AutoMLWorkerWorker

class PortfolioBOHB(BOHB):""" subclasses the config_generator BOHB"""def __init__(self, initial_configs=None, *args, **kwargs):super().__init__(*args, **kwargs)if initial_configs is None:# dummy initial portfolioself.initial_configs = [self.configspace.sample_configuration().get_dictionary() for i in range(5)]else:self.initial_configs = initial_configs

继承BOHB,仅仅多个initial_configs

        cg = PortfolioBOHB(initial_configs=initial_configs,configspace=configspace,min_points_in_model=min_points_in_model,top_n_percent=top_n_percent,num_samples=num_samples,random_fraction=random_fraction,bandwidth_factor=bandwidth_factor,)

cg: ConfigGenerate

min_points_in_model
top_n_percent
Out[10]: 15
num_samples
Out[11]: 64
random_fraction
Out[12]: 0.5
bandwidth_factor
Out[13]: 3

min_points_in_model = None

hp_util.SideShowBOHB#get_next_iteration

iteration
Out[2]: 0
s
Out[3]: 2
n0
Out[4]: 16
ns
Out[5]: [16, 4, 1]
self.budgets[(-s - 1):]
Out[6]: array([0.0625, 0.25  , 1.    ])

s是HyperBand的bracket,代表stages数目。
ns代表配置数,依次递减。budgets预算数依次递增。

hpbandster.iterations.base.BaseIteration#add_configuration

self.config_sampler
Out[7]: <bound method PortfolioBOHB.get_config of <hp_util.PortfolioBOHB object at 0x7f1670208208>>

hp_util.PortfolioBOHB#get_config

    def get_config(self, budget):# return a portfolio member firstif len(self.initial_configs) > 0 and True:c = self.initial_configs.pop()return (c, {'portfolio_member': True})return (super().get_config(budget))

用元学习文件夹代替了随机推荐

最后用SH的方法迭代1000次

这篇关于PoSH-autosklearn源码分析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/921627

相关文章

Android实现一键录屏功能(附源码)

《Android实现一键录屏功能(附源码)》在Android5.0及以上版本,系统提供了MediaProjectionAPI,允许应用在用户授权下录制屏幕内容并输出到视频文件,所以本文将基于此实现一个... 目录一、项目介绍二、相关技术与原理三、系统权限与用户授权四、项目架构与流程五、环境配置与依赖六、完整

Android实现定时任务的几种方式汇总(附源码)

《Android实现定时任务的几种方式汇总(附源码)》在Android应用中,定时任务(ScheduledTask)的需求几乎无处不在:从定时刷新数据、定时备份、定时推送通知,到夜间静默下载、循环执行... 目录一、项目介绍1. 背景与意义二、相关基础知识与系统约束三、方案一:Handler.postDel

慢sql提前分析预警和动态sql替换-Mybatis-SQL

《慢sql提前分析预警和动态sql替换-Mybatis-SQL》为防止慢SQL问题而开发的MyBatis组件,该组件能够在开发、测试阶段自动分析SQL语句,并在出现慢SQL问题时通过Ducc配置实现动... 目录背景解决思路开源方案调研设计方案详细设计使用方法1、引入依赖jar包2、配置组件XML3、核心配

Java NoClassDefFoundError运行时错误分析解决

《JavaNoClassDefFoundError运行时错误分析解决》在Java开发中,NoClassDefFoundError是一种常见的运行时错误,它通常表明Java虚拟机在尝试加载一个类时未能... 目录前言一、问题分析二、报错原因三、解决思路检查类路径配置检查依赖库检查类文件调试类加载器问题四、常见

Python中的Walrus运算符分析示例详解

《Python中的Walrus运算符分析示例详解》Python中的Walrus运算符(:=)是Python3.8引入的一个新特性,允许在表达式中同时赋值和返回值,它的核心作用是减少重复计算,提升代码简... 目录1. 在循环中避免重复计算2. 在条件判断中同时赋值变量3. 在列表推导式或字典推导式中简化逻辑

Java程序进程起来了但是不打印日志的原因分析

《Java程序进程起来了但是不打印日志的原因分析》:本文主要介绍Java程序进程起来了但是不打印日志的原因分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java程序进程起来了但是不打印日志的原因1、日志配置问题2、日志文件权限问题3、日志文件路径问题4、程序

Java 正则表达式URL 匹配与源码全解析

《Java正则表达式URL匹配与源码全解析》在Web应用开发中,我们经常需要对URL进行格式验证,今天我们结合Java的Pattern和Matcher类,深入理解正则表达式在实际应用中... 目录1.正则表达式分解:2. 添加域名匹配 (2)3. 添加路径和查询参数匹配 (3) 4. 最终优化版本5.设计思

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字

Python 迭代器和生成器概念及场景分析

《Python迭代器和生成器概念及场景分析》yield是Python中实现惰性计算和协程的核心工具,结合send()、throw()、close()等方法,能够构建高效、灵活的数据流和控制流模型,这... 目录迭代器的介绍自定义迭代器省略的迭代器生产器的介绍yield的普通用法yield的高级用法yidle

C++ Sort函数使用场景分析

《C++Sort函数使用场景分析》sort函数是algorithm库下的一个函数,sort函数是不稳定的,即大小相同的元素在排序后相对顺序可能发生改变,如果某些场景需要保持相同元素间的相对顺序,可使... 目录C++ Sort函数详解一、sort函数调用的两种方式二、sort函数使用场景三、sort函数排序