isHero.net

高级调参技巧

发布 : 2020-01-22 分类 : 数据科学 浏览 :

以下是 Coursera 上的How to Win a Data Science Competition: Learn from Top Kagglers课程笔记。

Hyperparameter Optimization

  • List most important hyperparameters in major models; describe their impact
  • Understand the hyperparameter tuning process in general
  • Arrange hyperparameters by their importance

Hyperparameter tuning I

Plan for the lecture

  • Hyperparameter tuning in general
  • General pipeline
  • Manual and automatic tuning
  • What should we understand about hyperparameters?
  • Models,libraries and hyperparameter optimization
  • Tree-based models
  • Neural networks
  • Linear models

Plan for the lecture:models

  • Tree-based models
  • GBDT: XGBoost, LightGBM, CatBoost
  • RandomForest/ExtraTrees
  • Neural nets
  • Pytorch, Tensorflow, Keras…
  • Linear models
  • SVM, logistic regression
  • Vowpal Wabbit, FTRL
  • Factorization Machines(out of scope)
  • libFM, libFFM

How do we tune hyperparameters

  • 1.Select the most influential parameters
  • a.There are tons of parameters and we can’ttune all of them
  • 2.Understand,how exactly they influence the training
  • 3.Tune them
  • a.Manually(change and examine)
  • b.Automatically(hyperopt, etc)
  • 1.无论如何，我们从来没有时间调整所有的参数，所以我们需要提出一个很好的子集来调整。假设我们是 xgboost 新手，不知道哪些参数是需要调的，可以在 Github 或 Kaggle Kernels 搜索到前人通常设置的参数。
  • 2.理解改变其中一个参数会发生什么。
  • 3.大多数人手动完成调参工作。也可以使用超参数优化工具，但手动执行通常会更快。

Hyperparameter optimization software 自动调参工具

运行调参工具可能需要很长时间，因此最好的策略是在夜间运行它。

  • A lot of libraries to try:
  • Hyperopt
  • Scikit-optimize
  • Spearmint
  • GPyOpt
  • RoBO
  • SMAC3

从广义上讲，不同的参数会导致三种不同的结果

  • 1.Underfitting(bad)
  • 2.Good fit and generalization(good)
  • 3.Overfitting(bad)

因此我们需要把想要调整的参数分为两组。第一组是约束模型的参数，第二组与第一组效果相反。

  • A parameter in red
  • Increasing it impedes fitting
  • Increase it to reduce overfitting
  • Decrease to allow model fit easier
  • A parameter in green
  • Increasing it leads to a batter fit(overfit) on train set
  • Increase it, if model underfits
  • Decrease if overfits

上面提到的颜色只是视频中的标记

Hyperparameter tuning II

一些基于树模型的超参数优化

GBDT

XGBoost LightGBM
max_depth max_depth/num_leaves
subsample bagging_fraction

| colsamplebytree,
colsample_bylevel | frature_fraction |
| *min_child_weight,
lambda,alpha_ | min_data_in_leaf,
lambda_l1,lambda_l2\ |
| eta
num_round | learning_rate
num_iterations |
| Others:
seed | Others:
\_seed |

  • max_depth:
    树越深，越能拟合数据集，但这可以会导致过拟合。根据任务的不同，最大深度可能会有很大差异，有时是 2，有时是 27。建议 max_depth 大约从 7 开始，直到未过拟合的最大深度。需要注意的是深度增加，学习时间就更长。
  • num_leaves:
    在 LightGBM 中，可以控制叶的数量，而不是最大深度。因为树可以很深，但如果叶子数量少就不会导致过拟合。
  • subsample、bagging_fraction:
    这个参数可以控制每次喂给模型的数据量，取值在 0,1 之间。每次喂给它一小部分数据，可以让它不那么过拟合，并且可以得到更好的泛化效果，但是模型的训练会更慢。这有点像正则化的作用。
  • colsample_bytree、colsample_bylevel:
    这个参数可以控制 subsample 中的分裂点。如果模型过拟合，可以尝试降低这些值。
  • min_child_weight,lambda,alpha:
    正则化参数。
  • min_child_weight:
    经验中，这是最重要的参数。增加它可以让模型更保守，减少它会让模型有更少约束。根据不同的任务，我发现最佳值为 0,5,15,300，所以不要犹豫，尝试各种值，这取决于数据。
  • eta、num_round:eta 本质上是一种学习权重，就像梯度下降一样。num_round 是我们想要执行的学习步数，换句话说，是我们想要建多少棵树。每次迭代都会构建一个新树，以学习率 eta 添加到模型中。
  • 当我们找到合适的轮数时，可以做一个通常会提高分数的技巧。我们将 num_round 乘以 α，将 eta 除以 α，模型通常会变得更好。可能应用的参数也需要调整，但通常可以保留原样。

Other

  • seed:
    一般情况下随机种子对于模型影响不大。但如果随机种子对你的影响非常大时，建议你可以多次提交，或者根据随机性调整你的验证方案。

sklearn.RandomForest/ExtraTrees

  • n_estimators:
    RandomForest 构建每棵树是独立于其他树的，这意味这拥有大量树的模型不会导致过拟合，这于 Gradient Boosting 相反。我们通常首先将 n_estimators 设置为非常小的数字，例如 10，并看看这将花费多少时间，如果不太长，就把它设为一个比较大的值，例如 300。
  • max_deep:
    控制树的深度，于 XGBoost 不同，它可以被设置为 None,这对应于无限深度。当数据集中的特征具有重复值和重要交互时，它实际上非常有用。在其他情况下，无约束深度的模型将立即过拟合。建议随机森林的深度从 7 左右开始。通常随机深林的最佳深度高于 Gradient Boosting，所有不要犹豫尝试 10,20 或更高的值。
  • max_feature:
    与 XGBoost 中的参数相同。
  • min_samples_leaf:
    是一个类似正则化的参数，与 XGBoost 的 min_child_weight 和 LightGBM 的 min_data_leaf 相同。

Other

  • criterion:
    根据我的经验，Gini 更常见，但有时 Entropy 更好。
  • random_state:
    随机种子参数
  • n_jobs:设置拥有多个核心数。默认情况下 sklearn 的 RandomForest 由于某种原因仅使用一个核心。

Hyperparameter tuning III

  • Neural nets
  • Pytorch, Tensorflow, Keras…
  • Linear models
  • SVM, logistic regression
  • Vowpal Wabbit, FTRL

Neural Nets

这里讨论的是 dense neural nets,即只含有全连接层的网络

自适应算法已高亮+斜体显示

  • Number of neurons per layer
  • Number of layers
  • Optimizers
  • SGD + momentum
  • Adam/Adadelta/Adagrade/..
    • In pratice lead to more overfitting
  • Batch size
  • Learning rate
  • Regularization
  • L2/L1 for weights
  • Dropout/Dropconnect
  • Static Dropconect
  • 建议从简单的开始，比如 1 层或 2 层，调试代码，确保训练时 loss 下降
  • 然后尝试找到一个能够过拟合的配置，之后在网络中调整一些东西
  • 神经网络的关键部分之一是优化方法
  • 自适应优化方法的确可以让你更快的拟合数据，但根据我的经验，这也会导致严重的过拟合。普通的 SGD 收敛速度较慢，但是训练好的模型通常会有更好的泛化效果。Adaptive methods are useful,but in the settings others in classification and regression.
  • Batch Size:事实证明批量过大会导致更多的过拟合。凭经验，batch_size 为 500 就可以认为很大。建议选择 32 或 64 左右的值，如果网络仍然过拟合，请尝试减少 batch_size，反之增加它。batch_size 也不应该太小，否则梯度可能会有太多噪声。在调整 batch_size 后，必要时，应该去调整其他网络数量。
  • 学习率：学习率不能太高也不能太低。因此，最佳学习率取决于其他参数。通常从一个大的学习率开始，比如 0.1，然后逐步去减小它。有一条经验法则，如果你将 batch_size 增加 alpha 倍，你也可以提高学习率 alpha 倍。
  • 早期，人们大多使用 L2 和 L1 正则化。如今大多数人都使用 dropout 正则化。对我来说，就是在数层之后立即将 dropout 作为第一层。
  • static dropconnect:通常我们有一个密集连接的输入层，比如 128 个单位。我们将改为一个非常巨大的隐藏层，比如 4096 个单位，对于一般的比赛来说，这是一个巨大的网络，它会严重过拟合。现在为了规范它，我们将对这一层随机 dropout 99%，这是非常强的正则化，实践证明这是可以的。

Linear models

  • Scikit-learn
  • SVC/SVR
    • Sklearn wraps libLinear and libSVM
    • Compile yourself for multicore support
  • LogisticRegression/LinearRegression + regularizers
  • SGDClassifier/SGDRegressor
  • Vowpal Wabbit
  • FTRL
  • SVM 几乎不需要调参，这是最大的益处
  • 最新版的libLinear和libSVM支持多核处理，但 Sklearn 中的不支持多核处理。所以我们需要动手变异这些库以使用此选项。
  • 几乎没有人使用kernel SVC，所以这里只讨论 SVM
  • 对于不适合在内存中操作的数据，我们可以使用Vowpal Wabbit，它以在线的方式实现线性模型的学习。它只能直接从硬盘驱动器中逐行读取数据，永远不会将整个数据集加载到内存中。因此，允许学习非常庞大的数据集。
  • 线性模型的在线学习方法（FTRL）在前段时间特别受欢迎，他是Vowpal Wabbit中的实现。

Linear models

  • Regularization parameter(X,alpha,lambda,..)
  • Start with very small value and increase it.
  • SVC starts to work sklowe as C increase
  • Regularization type
  • L1/L2/L1+L2 –try each
  • L1 can be used for feature selection
  • C：对于 SVM，我通常会从一个非常小的值开始，比如$10^{-6}$，每次乘以 10。从小的值开始，是因为参数 C 越大，训练时间越长。
  • 选择 L1 还是 L2？答案是尝试两者，在我看来，它们非常相识。并且 L1 还有一个好处，可以给我们提供一个稀疏权重，这可以用于特征选择。

Tips

  • Don’t spend too much time tuning hyperparameters
  • Only if you don’t have any more ideas or you have spare computational resources
  • Be patient
  • It can take thousands of rounds for GBDT or neural nets to fit.
  • Average everything
  • Over random seed
  • Or over small deviations from optimal parameters
    • e.g.average max_depth=4,5,6for an optimal 5

相关链接

本文作者 : HeoLis
原文链接 : https://ishero.net/%E9%AB%98%E7%BA%A7%E8%B0%83%E5%8F%82%E6%8A%80%E5%B7%A7.html
版权声明 : 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明出处！

学习、记录、分享、获得

微信扫一扫, 向我投食

微信扫一扫, 向我投食

标签: #总结 #kaggle