大家好，要想模型效果好，每個算法工程師都應(yīng)該了解的流行超參數(shù)調(diào)優(yōu)技術(shù)。

今天我給大家總結(jié)超參自動優(yōu)化方法：網(wǎng)格搜索、隨機搜索、貝葉斯優(yōu)化 和 Hyperband，并附有相關(guān)的樣例代碼供大家學(xué)習(xí)。

一、網(wǎng)格搜索(Grid Search)

網(wǎng)格搜索是暴力搜索，在給定超參搜索空間內(nèi)，嘗試所有超參組合，最后搜索出最優(yōu)的超參組合。sklearn已實現(xiàn)該方法，使用樣例如下:

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV
import pandas as pd

# 導(dǎo)入數(shù)據(jù)
iris = datasets.load_iris()
# 定義超參搜索空間
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
# 初始化模型
svc = svm.SVC()
# 網(wǎng)格搜索
clf = GridSearchCV(estimator = svc,
                   param_grid = parameters,
                   scoring = 'accuracy',
                   n_jobs = -1,
                   cv = 5)
clf.fit(iris.data, iris.target)
返回：GridSearchCV(cv=5, estimator=SVC(), n_jobs=-1,
                   param_grid={'C': [1, 10], 'kernel': ('linear', 'rbf')},
                   scoring='accuracy')

# 打印結(jié)果
print('詳細(xì)結(jié)果:\n', pd.DataFrame.from_dict(clf.cv_results_))
print('最佳分類器:\n', clf.best_estimator_)
print('最佳分?jǐn)?shù):\n', clf.best_score_)
print('最佳參數(shù):\n', clf.best_params_).
返回：
詳細(xì)結(jié)果:
    mean_fit_time  std_fit_time  mean_score_time  std_score_time param_C  ... split3_test_score split4_test_score  mean_test_score  std_test_score  rank_test_score
0       0.000788      0.000394         0.000194        0.000389       1  ...          0.966667               1.0         0.980000        0.016330                1
1       0.000804      0.000402         0.000199        0.000399       1  ...          0.933333               1.0         0.966667        0.021082                4
2       0.000593      0.000484         0.000593        0.000484      10  ...          0.966667               1.0         0.973333        0.038873                3
3       0.000593      0.000484         0.000399        0.000489      10  ...          0.966667               1.0         0.980000        0.016330                1
[4 rows x 15 columns]
最佳分類器:
 SVC(C=1, kernel='linear')
最佳分?jǐn)?shù):
0.9800000000000001
最佳參數(shù):
 {'C': 1, 'kernel': 'linear'}

sklearn.model_selection.GridSearchCV[1]的重要參數(shù)說明:

• estimator: scikit-learn模型。
• param_grid: 超參搜索空間，即超參數(shù)字典。
• scoring: 在交叉驗證中使用的評估策略。
• n_jobs: 并行任務(wù)數(shù)，-1為使用所有CPU。
• cv: 決定采用幾折交叉驗證。

二、隨機搜索(Randomized Search)

隨機搜索是在搜索空間中采樣出超參組合，然后選出采樣組合中最優(yōu)的超參組合。隨機搜索的好處如下圖所示：

圖1: 網(wǎng)格搜索和隨機搜索的對比

解釋圖1，如果目前我們要搜索兩個參數(shù)，但參數(shù)A重要而另一個參數(shù)B并沒有想象中重要，網(wǎng)格搜索9個參數(shù)組合(A, B)，而由于模型更依賴于重要參數(shù)A，所以只有3個參數(shù)值是真正參與到最優(yōu)參數(shù)的搜索工作中。反觀隨機搜索，隨機采樣9種超參組合，在重要參數(shù)A上會有9個參數(shù)值參與到搜索工作中，所以，在某些參數(shù)對模型影響較小時，使用隨機搜索能讓我們有更多的探索空間。

同樣地，sklearn實現(xiàn)了隨機搜索，樣例代碼如下:

from sklearn import svm, datasets
from sklearn.model_selection import RandomizedSearchCV
import pandas as pd
from scipy.stats import uniform


# 導(dǎo)入數(shù)據(jù)
iris = datasets.load_iris()
# 定義超參搜索空間
distributions = {'kernel':['linear', 'rbf'], 'C':uniform(loc=1, scale=9)}
# 初始化模型
svc = svm.SVC()
# 網(wǎng)格搜索
clf = RandomizedSearchCV(estimator = svc,
                         param_distributions = distributions,
                         n_iter = 4,
                         scoring = 'accuracy',
                         cv = 5,
                         n_jobs = -1,
                         random_state = 2021)
clf.fit(iris.data, iris.target)
返回：RandomizedSearchCV(cv=5, estimator=SVC(), n_iter=4, n_jobs=-1,
                         param_distributions={'C': <scipy.stats._distn_infrastructure.rv_frozen object at 0x000001F372F9A190>,
                                              'kernel': ['linear', 'rbf']},
                         random_state=2021, scoring='accuracy')


# 打印結(jié)果
print('詳細(xì)結(jié)果:\n', pd.DataFrame.from_dict(clf.cv_results_))
print('最佳分類器:\n', clf.best_estimator_)
print('最佳分?jǐn)?shù):\n', clf.best_score_)
print('最佳參數(shù):\n', clf.best_params_)
返回：
詳細(xì)結(jié)果:
    mean_fit_time  std_fit_time  mean_score_time  std_score_time  param_C  ... split3_test_score split4_test_score  mean_test_score  std_test_score  rank_test_score
0       0.000598      0.000489         0.000200        0.000400   6.4538  ...          0.966667               1.0         0.986667        0.016330                1
1       0.000997      0.000002         0.000000        0.000000  4.99782  ...          0.966667               1.0         0.980000        0.026667                3
2       0.000798      0.000399         0.000399        0.000488  3.81406  ...          0.966667               1.0         0.980000        0.016330                3
3       0.000598      0.000488         0.000200        0.000399  5.36286  ...          0.966667               1.0         0.986667        0.016330                1
[4 rows x 15 columns]
最佳分類器:
 SVC(C=6.453804509266643)
最佳分?jǐn)?shù):
0.9866666666666667
最佳參數(shù):
 {'C': 6.453804509266643, 'kernel': 'rbf'}

相比于網(wǎng)格搜索，sklearn隨機搜索中主要改變的參數(shù)是param_distributions，負(fù)責(zé)提供超參值分布范圍。

三、貝葉斯優(yōu)化(Bayesian Optimization)

我寫本文的目的主要是沖著貝葉斯優(yōu)化來的，一直有所耳聞卻未深入了解，所以我就來查漏補缺了。以下內(nèi)容主要基于Duane Rich在《How does Bayesian optimization work?》的回答。

調(diào)優(yōu)的目的是要找到一組最優(yōu)的超參組合，能使目標(biāo)函數(shù)f達(dá)到全局最小值。

舉個例子，若學(xué)習(xí)率設(shè)置過大，模型可能會在代價函數(shù)的全局最優(yōu)點附近不斷來回震蕩，甚至跳出全局最優(yōu)點，而設(shè)置過小，又可能會陷入局部最優(yōu)，因此調(diào)學(xué)習(xí)率這一參數(shù)，是為了讓模型能收斂到代價函數(shù)的全局最小值?？墒窃跈C器學(xué)習(xí)中，目標(biāo)函數(shù) 常是被稱作expensive blackbox function，計算開銷大且不一定為凸函數(shù)。為此，貝葉斯優(yōu)化出現(xiàn)了，它特別適合針對expensive blackbox function找到全局最優(yōu)。

假設(shè)我們的真實的目標(biāo)函數(shù) 長下圖這樣：

圖2: 目標(biāo)函數(shù)f(x)

注意: 目標(biāo)函數(shù) 的 是指超參數(shù)，我們希望找到最優(yōu)的超參 去得到最小的 。為什么用虛線表示 呢？因為它是黑箱函數(shù)(blackbox function)。

現(xiàn)在，我們怎么找到 全局最小值點呢？我們能不能先在 上隨機采樣10個點，然后取它們的最小值呢？

圖3: 隨機采樣10個點的目標(biāo)函數(shù)f(x)

圖3里確實有個點挺靠近全局最優(yōu)點的，那是不是在它附近再采樣幾個點，不斷重復(fù)就行了？沒那么簡單，萬一起始采樣點在局部最小值附近，那這種方法會很容易陷入局部最優(yōu)。關(guān)于“如何找到下一個合適的點”這個問題，我們先放一放，因為我們漏掉一個重點：每次嘗試一種超參值 ，計算 的代價是昂貴的，為了減輕開銷，貝葉斯優(yōu)化采用了代理模型(surrogate model)，代理模型可以被看作是一個簡單模型去擬合原本復(fù)雜且不好理解的模型，簡單來說，就是 計算太昂貴了，我們就用代理模型去代替它。

貝葉斯優(yōu)化使用了**高斯過程(gasussian processes, GP)**去構(gòu)建代理模型，高斯過程的細(xì)節(jié)這里暫時不講，有興趣的小伙伴可以自行查閱資料了解?；诮o定的輸入和輸出，GP會推斷出一個模型(這里為代理模型)。假設(shè)我們從昂貴的 采樣了4個點，然后我們把這4個點交給GP，它會返回一個代理模型，如下圖所示：

圖4: 目標(biāo)函數(shù)f(x)和代理模型

綠色實線就是GP猜的代理模型，綠色條帶是輸出分布的標(biāo)準(zhǔn)差(即為Uncertainty)。我們有了代理模型，后續(xù)我們?nèi)フ蚁乱粋€合適的超參值，就能帶入到計算開銷相對較小的代理模型中，評估給定超參值的情況。

現(xiàn)在，我們來思考回之前提到的問題:“如何找到下一個合適的點?”，這個問題本質(zhì)是在問:“哪里有全局最小的點？”，為了解決這個問題，我們要關(guān)注兩個地方:

(1) 已開發(fā)區(qū)域: 在綠色實線上最低的超參點。因為很可能它附近存在全局最優(yōu)點。

(2) 未探索區(qū)域: 綠色實線上還未被探索的區(qū)域。比如圖4，相比于0.15-0.25區(qū)間，0.65-0.75區(qū)間更具有探索價值(即該區(qū)間Uncertainty更大)。探索該區(qū)域有利于減少我們猜測的方差。

為了實現(xiàn)以上探索和開發(fā)的平衡(exploration-exploitation trade-off)，貝葉斯優(yōu)化使用了采集函數(shù)(acquisition function)，它能平衡好全局最小值的探索和開發(fā)。采集函數(shù)有很多選擇，其中最常見的是expectated of improvement(EI)，我們先看一個utility function:

是目前觀察到的最小值， 是超參值，我們希望上述utility function輸出越大越好(即找到的 能獲得比當(dāng)前最小值還小)，基于 ，EI采集函數(shù)如下所示:

具有最高的EI的超參值 會被選擇。EI有兩部分：

(1) 減少均值函數(shù) ，提高EI。

(2) 增加方差 ，提高EI。

所以EI的提高是建立在均值和方差的trade-off，也是exploration和exploitation的trade-off。

圖5: 采集函數(shù)A(x)

圖5我們可以看到， 時EI最大，所以我們下一個超參值 應(yīng)該選1。

講到這里，我們來看下完整的貝葉斯優(yōu)化步驟是怎樣的：

圖6: 貝葉斯優(yōu)化-SMBO

SMBO是簡潔版的貝葉斯優(yōu)化，偽代碼如圖6所示，具體如下：

(1) 準(zhǔn)備輸入: expensive blackbox function ，超參搜索空間 ，采樣數(shù)據(jù)集 (超參組合 ，對應(yīng) 輸出值)，采集函數(shù) 和用數(shù)據(jù)集 擬合的代理模型M。

(2) 基于 和 ，采樣得到數(shù)據(jù)集 。

(3) 循環(huán)選 次參數(shù)：

用當(dāng)前數(shù)據(jù)集 擬合代理模型 ，實現(xiàn)模型更新。

選擇使采集函數(shù) 最大的超參組合 。

將 帶入 中，得到輸出值 。(注意這里 的計算開銷大)

將新的 加入到現(xiàn)有數(shù)據(jù)集 中。

目前，Hyperopt開源代碼庫已實現(xiàn)基于**TPE(Tree-structured Parzen Estimator Approach)**的貝葉斯優(yōu)化，圖6我們能看到GP構(gòu)建的概率模型是 ，而TPE是 和 ，關(guān)于TPE和GP的對比討論，建議閱讀論文。TPE樣例代碼如下：

from sklearn import svm, datasets
from sklearn.model_selection import cross_val_score
from hyperopt import hp, fmin, tpe, space_eval
import pandas as pd

# 導(dǎo)入數(shù)據(jù)
iris = datasets.load_iris()

# step1: 定義目標(biāo)函數(shù)
def objective(params):
      # 初始化模型并交叉驗證
      svc = svm.SVC(**params)
      cv_scores = cross_val_score(svc, iris.data, iris.target, cv=5)
      # 返回loss = 1 - accuracy (loss必須被最小化)
      loss = 1 - cv_scores.mean()
      return loss

# step2: 定義超參搜索空間
space = {'kernel':hp.choice('kernel', ['linear', 'rbf']),
         'C':hp.uniform('C', 1, 10)}

# step3: 在給定超參搜索空間下，最小化目標(biāo)函數(shù)
best = fmin(objective, space, algo=tpe.suggest, max_evals=100)
返回: best_loss: 0.013333333333333308(即accuracy為0.9866666666666667)

# step4: 打印結(jié)果
print(best)
返回:{'C': 6.136181888987526, 'kernel': 1}(PS:kernel為0-based index,這里1指rbf)

四、Hyperband

除了格子搜索、隨機搜索和貝葉斯優(yōu)化，還有其它自動調(diào)參方式。例如Hyperband optimization，Hyperband本質(zhì)上是隨機搜索的一種變種，它使用早停策略和Sccessive Halving算法去分配資源，結(jié)果是Hyperband能評估更多的超參組合，同時在給定的資源預(yù)算下，比貝葉斯方法收斂更快，下圖展示了Hyperband的早停和資源分配:

圖7: Hyperband的超參選擇和評估

在Hyperband之后，還出現(xiàn)了BOHB，它混合了貝葉斯優(yōu)化和Hyperband。Hyperband和BOHB的開源代碼可參考HpBandSter庫，這里不展開細(xì)講。

總結(jié)

上面我們用Iris鳶尾花數(shù)據(jù)集試了不同的超參自動調(diào)優(yōu)方法，發(fā)現(xiàn)貝葉斯優(yōu)化和隨機搜索都比格子搜索好。從一些論文反映，貝葉斯優(yōu)化是更香的，但是貝葉斯優(yōu)化好像在實踐中用的不是那么多，網(wǎng)上也有很多分享者，像Nagesh Singh Chauhan，說的那樣：

As a general rule of thumb, any time you want to optimize tuning hyperparameters, think Grid Search and Randomized Search! [10]

Hyperparameter Optimization for Machine Learning Models - Nagesh Singh Chauhan

為什么呢？我想原因是貝葉斯的開銷太大了，前面有提到，在每次循環(huán)選超參值的時候，貝葉斯優(yōu)化都需要將 帶入昂貴的目標(biāo)函數(shù) 中，去得到輸出值y，當(dāng)目標(biāo)函數(shù)特別復(fù)雜時，這種情況的評估開銷是很大的，更何況隨著搜索空間和搜索次數(shù)的變大，計算會越發(fā)昂貴。

寫這篇文章的過程中，我主要學(xué)到了2點，一是隨機搜索在某些時候會比格子搜索好，二是了解貝葉斯優(yōu)化的機理。這里，談?wù)勎冶荣惡蛡€人實踐中的體會，我很少會花過多時間在超參的調(diào)優(yōu)上，因為它帶來的收益是有限的，很多時候比起壓榨模型來說，思考和挖掘數(shù)據(jù)特征能帶來更多的收益，所以我想這也是為什么上面說：在任何想要調(diào)優(yōu)超參時，先用格子搜索或隨機搜索吧。

以上就是詳解Python中4種超參自動優(yōu)化算法的實現(xiàn)的詳細(xì)內(nèi)容，更多關(guān)于Python超參自動優(yōu)化算法的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論