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 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1