Итерации последовательного сокращения

В этом примере показано, как поиск методом последовательного сокращения (HalvingGridSearchCV и HalvingRandomSearchCV) итеративно выбирает наилучшую комбинацию параметров из множества кандидатов.

# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from scipy.stats import randint

from sklearn import datasets
from sklearn.ensemble import RandomForestClassifier
from sklearn.experimental import enable_halving_search_cv  # noqa: F401
from sklearn.model_selection import HalvingRandomSearchCV

Сначала мы определяем пространство параметров и обучаем экземпляр HalvingRandomSearchCV.

rng = np.random.RandomState(0)

X, y = datasets.make_classification(n_samples=400, n_features=12, random_state=rng)

clf = RandomForestClassifier(n_estimators=20, random_state=rng)

param_dist = {
    "max_depth": [3, None],
    "max_features": randint(1, 6),
    "min_samples_split": randint(2, 11),
    "bootstrap": [True, False],
    "criterion": ["gini", "entropy"],
}

rsh = HalvingRandomSearchCV(
    estimator=clf, param_distributions=param_dist, factor=2, random_state=rng
)
rsh.fit(X, y)

HalvingRandomSearchCV(estimator=RandomForestClassifier(n_estimators=20,
                                                       random_state=RandomState(MT19937) at 0x784166B66A40),
                      factor=2,
                      param_distributions={'bootstrap': [True, False],
                                           'criterion': ['gini', 'entropy'],
                                           'max_depth': [3, None],
                                           'max_features': <scipy.stats._distn_infrastructure.rv_discrete_frozen object at 0x784129d35e50>,
                                           'min_samples_split': <scipy.stats._distn_infrastructure.rv_discrete_frozen object at 0x78416c563490>},
                      random_state=RandomState(MT19937) at 0x784166B66A40)

Теперь мы можем использовать атрибут cv_results_ оценщика поиска, чтобы изучить и построить график изменения результатов поиска.

results = pd.DataFrame(rsh.cv_results_)
results["params_str"] = results.params.apply(str)
results.drop_duplicates(subset=("params_str", "iter"), inplace=True)
mean_scores = results.pivot(
    index="iter", columns="params_str", values="mean_test_score"
)
ax = mean_scores.plot(legend=False, alpha=0.6)

labels = [
    f"iter={i}\nn_samples={rsh.n_resources_[i]}\nn_candidates={rsh.n_candidates_[i]}"
    for i in range(rsh.n_iterations_)
]

ax.set_xticks(range(rsh.n_iterations_))
ax.set_xticklabels(labels, rotation=45, multialignment="left")
ax.set_title("Scores of candidates over iterations")
ax.set_ylabel("mean test score", fontsize=15)
ax.set_xlabel("iterations", fontsize=15)
plt.tight_layout()
plt.show()

Количество кандидатов и объем ресурсов на каждой итерации

На первой итерации используется небольшой объем ресурсов. В данном случае ресурс — это количество образцов, на которых обучаются оценщики. Оцениваются все кандидаты.

На второй итерации оценивается только лучшая половина кандидатов. Объем выделяемых ресурсов удваивается: кандидаты оцениваются на вдвое большем количестве образцов.

Этот процесс повторяется до последней итерации, на которой остаются только 2 кандидата. Лучший кандидат — тот, у которого на последней итерации наилучшая оценка.

Общее время выполнения скрипта: (0 минут 7.454 секунды)

Download Jupyter notebook: plot_successive_halving_iterations.ipynb

Download Python source code: plot_successive_halving_iterations.py

Download zipped: plot_successive_halving_iterations.zip

Связанные примеры

Сравнение случайного поиска и поиска по сетке для оценки гиперпараметров

Сравнение поиска по сетке и последовательного сокращения

Основные нововведения scikit-learn 0.24

Анализ сходимости моделей логистической регрессии со штрафом