前言

超參調(diào)優(yōu)是“模型調(diào)優(yōu)”（Model Tuning)階段最主要的工作，是直接影響模型最終效果的關鍵步驟，然而，超參調(diào)優(yōu)本身卻是一項非常低級且枯燥的工作，因為它的策略就是：不斷變換參數(shù)值，一輪一輪地去“試”，直到找出結果最好的一組參數(shù)。顯然，這個過程是可以通過編程封裝成自動化的工作，而不是靠蠻力手動去一遍一遍的測試。為此，Sklearn提供了多種（自動化）超參調(diào)優(yōu)方法（官方文檔），其中網(wǎng)格搜索（Grid Search）和隨機搜索（Randomized Search）是最基礎也是最常用的兩個：

對應類/函數(shù)的后綴CV是Cross-Validation的意思，因為它們每嘗試一種超參組合時，都會使用Cross-Validation進行效果評估，所以調(diào)用它們時也都需要顯式指定cv參數(shù)，即：驗證的輪次（K-Fold的份數(shù)）。

網(wǎng)格搜索（Grid Search）

網(wǎng)格搜索（Grid Search）的邏輯其實非常簡單，就是由開發(fā)者針對每個超參設定多個值去嘗試，找出效果最好的那個，由于超參會有很多個，而每一個超參又有多個嘗試值，所以就變成了一個“排列組合”問題。例如我們想針對兩個超參進行調(diào)優(yōu)，第一個超參設置了2個嘗試值，第二個超參設置了3個嘗試值，則超參設置總共會有 2 × 3 = 6 種組合，理論上模型要被訓練6次，如果再加上交叉驗證的輪次參數(shù)cv，假設cv=3，則總得的訓練次數(shù)將變?yōu)椋? × 3 = 18 次。以下是《Hands-On ML, 2nd Edition》一書中提供的GridSearchCV示例代碼：

from sklearn.model_selection import GridSearchCV
param_grid = [
    {'n_estimators': [3, 10, 30], 'max_features': [2, 4, 6, 8]},
    {'bootstrap': [False], 'n_estimators': [3, 10], 'max_features': [2, 3, 4]},
]
forest_reg = RandomForestRegressor()
grid_search = GridSearchCV(forest_reg, param_grid, cv=5,
                           scoring='neg_mean_squared_error',
                           return_train_score=True)
grid_search.fit(housing_prepared, housing_labels)

在這份示例代碼中，作者提供針對bootstrap、n_estimators和max_features三個超參，給出了兩套參數(shù)設定：

第一套：{'n_estimators': [3, 10, 30], 'max_features': [2, 4, 6, 8]} 總計：3 × 4 = 12 種組合

第二套：{'bootstrap': [False], 'n_estimators': [3, 10], 'max_features': [2, 3, 4]} 總計：1 × 2 × 3 = 6 種組合

合在一起一共：12 + 6 = 18 種組合，加上交叉驗證設定cv=5，所以最終將訓練 18 × 5 = 90 次！這里我們可以看到param_grid是一個list，里面每一個元素是一個dict，一個dict就代表了一套參數(shù)設定，每套參數(shù)設定根據(jù)賦值情況又會產(chǎn)生多種參數(shù)組合。其實上面兩套組合也可以用下面的一套設定覆蓋：

param_grid = [
    {'bootstrap': [True, False], 'n_estimators': [3, 10, 30], 'max_features': [2, 3, 4, 6, 8]}
]

但在此情況下，總的訓練次數(shù)將會變?yōu)椋?2 × 3 × 5) × 5 = 150 次。由此可見，Sklearn這種允許設定多套參數(shù)的設計（即一個list下可配置多個dict）還是有可取之處，會方便開發(fā)人員更具經(jīng)驗設定最有希望的取值集合，減少訓練次數(shù)。

隨機搜索（Randomized Search）

網(wǎng)格搜索適用于參數(shù)組合數(shù)比較少的情況，當參數(shù)組合大到一定程度后，模型訓練所占用的資源和持續(xù)時間將會超用戶的可接受范圍，此時往往就要改用隨機搜索（Randomized Search）了。隨機搜索的工作原理和網(wǎng)格搜索其實差不多，都是“暴力嘗試”，不同之處在于：網(wǎng)格搜索的參數(shù)取值集合是用戶設定的，而隨機搜索的參數(shù)取值則是指定好區(qū)間（最大值和最小值）由隨機數(shù)發(fā)生器隨機生成的，而想要生成多少種組合是可以設置的。以下是《Hands-On ML, 2nd Edition》一書中提供的RandomizedSearchCV示例代碼：

from sklearn.model_selection import RandomizedSearchCV
from scipy.stats import randint
param_distribs = {
        'n_estimators': randint(low=1, high=200),
        'max_features': randint(low=1, high=8),
    }
forest_reg = RandomForestRegressor(random_state=42)
rnd_search = RandomizedSearchCV(forest_reg, param_distributions=param_distribs,
                                n_iter=10, cv=5, scoring='neg_mean_squared_error', random_state=42)
rnd_search.fit(housing_prepared, housing_labels)

在這份代碼中，作者針對n_estimators和max_features兩個超參分別設定了 1 ~ 200 和 1 ~ 8 的取值區(qū)間，然后通過設定參數(shù)n_iter=10將參數(shù)組合數(shù)設定為10，當然，疊加上交叉驗證cv=5后，實際的訓練就是 5 × 10 = 50 次了。

到此這篇關于Sklearn調(diào)優(yōu)之網(wǎng)格搜索與隨機搜索原理詳細分析的文章就介紹到這了,更多相關Sklearn網(wǎng)格搜索與隨機搜索內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論