LightGBM調(diào)參貝葉斯全局優(yōu)化方法是什么

這篇文章主要介紹“LightGBM調(diào)參貝葉斯全局優(yōu)化方法是什么”，在日常操作中，相信很多人在LightGBM調(diào)參貝葉斯全局優(yōu)化方法是什么問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”LightGBM調(diào)參貝葉斯全局優(yōu)化方法是什么”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

　　這里結(jié)合Kaggle比賽的一個(gè)數(shù)據(jù)集，記錄一下使用貝葉斯全局優(yōu)化和高斯過(guò)程來(lái)尋找最佳參數(shù)的方法步驟。

　　1.安裝貝葉斯全局優(yōu)化庫(kù)

　　從pip安裝最新版本

　　pip install bayesian-optimization

　　2.加載數(shù)據(jù)集

　　import pandas as pd

　　import numpy as np

　　from sklearn.model_selection import StratifiedKFold

　　from scipy.stats import rankdata

　　from sklearn import metrics

　　import lightgbm as lgb

　　import warnings

　　import gc

　　pd.set_option('display.max_columns', 200)

　　train_df = pd.read_csv('../input/train.csv')

　　test_df = pd.read_csv('../input/test.csv')

　　目標(biāo)變量的分布

　　target = 'target'

　　predictors = train_df.columns.values.tolist()[2:]

　　train_df.target.value_counts()

　　問(wèn)題是不平衡。這里使用50%分層行作為保持行，以便驗(yàn)證集獲得最佳參數(shù)。 稍后將在最終模型擬合中使用5折交叉驗(yàn)證。

　　bayesian_tr_index, bayesian_val_index = list(StratifiedKFold(n_splits=2,

　　shuffle=True, random_state=1).split(train_df, train_df.target.values))[0]

　　這些bayesian_tr_index和bayesian_val_index索引將用于貝葉斯優(yōu)化，作為訓(xùn)練和驗(yàn)證數(shù)據(jù)集的索引。

　　3.黑盒函數(shù)優(yōu)化(LightGBM)

　　在加載數(shù)據(jù)時(shí)，為L(zhǎng)ightGBM創(chuàng)建黑盒函數(shù)以查找參數(shù)。

　　def LGB_bayesian(

　　num_leaves, # int

　　min_data_in_leaf, # int

　　learning_rate,

　　min_sum_hessian_in_leaf, # int

　　feature_fraction,

　　lambda_l1,

　　lambda_l2,

　　min_gain_to_split,

　　max_depth):

　　# LightGBM expects next three parameters need to be integer. So we make them integer

　　num_leaves = int(num_leaves)

　　min_data_in_leaf = int(min_data_in_leaf)

　　max_depth = int(max_depth)

　　assert type(num_leaves) == int

　　assert type(min_data_in_leaf) == int

　　assert type(max_depth) == int

　　param = {

　　'num_leaves': num_leaves,

　　'max_bin': 63,

　　'min_data_in_leaf': min_data_in_leaf,

　　'learning_rate': learning_rate,

　　'min_sum_hessian_in_leaf': min_sum_hessian_in_leaf,

　　'bagging_fraction': 1.0,

　　'bagging_freq': 5,

　　'feature_fraction': feature_fraction,

　　'lambda_l1': lambda_l1,

　　'lambda_l2': lambda_l2,

　　'min_gain_to_split': min_gain_to_split,

　　'max_depth': max_depth,

　　'save_binary': True,

　　'seed': 1337,

　　'feature_fraction_seed': 1337,

　　'bagging_seed': 1337,

　　'drop_seed': 1337,

　　'data_random_seed': 1337,

　　'objective': 'binary',

　　'boosting_type': 'gbdt',

　　'verbose': 1,

　　'metric': 'auc',

　　'is_unbalance': True,

　　'boost_from_average': False,

　　}

　　xg_train = lgb.Dataset(train_df.iloc[bayesian_tr_index][predictors].values,

　　label=train_df.iloc[bayesian_tr_index][target].values,

　　feature_name=predictors,

　　free_raw_data = False

　　)

　　xg_valid = lgb.Dataset(train_df.iloc[bayesian_val_index][predictors].values,

　　label=train_df.iloc[bayesian_val_index][target].values,

　　feature_name=predictors,

　　free_raw_data = False

　　)

　　num_round = 5000

　　clf = lgb.train(param, xg_train, num_round, valid_sets = [xg_valid], verbose_eval=250, early_stopping_rounds = 50)

　　predictions = clf.predict(train_df.iloc[bayesian_val_index][predictors].values, num_iteration=clf.best_iteration)

　　score = metrics.roc_auc_score(train_df.iloc[bayesian_val_index][target].values, predictions)

　　return score

　　上面的LGB_bayesian函數(shù)將作為貝葉斯優(yōu)化的黑盒函數(shù)。 我已經(jīng)在LGB_bayesian函數(shù)中為L(zhǎng)ightGBM定義了trainng和validation數(shù)據(jù)集。

　　LGB_bayesian函數(shù)從貝葉斯優(yōu)化框架獲取num_leaves，min_data_in_leaf，learning_rate，min_sum_hessian_in_leaf，feature_fraction，lambda_l1，lambda_l2，min_gain_to_split，max_depth的值。 請(qǐng)記住，對(duì)于LightGBM，num_leaves，min_data_in_leaf和max_depth應(yīng)該是整數(shù)。 但貝葉斯優(yōu)化會(huì)發(fā)送連續(xù)的函數(shù)。 所以我強(qiáng)制它們是整數(shù)。 我只會(huì)找到它們的最佳參數(shù)值。 讀者可以增加或減少要優(yōu)化的參數(shù)數(shù)量。

　　現(xiàn)在需要為這些參數(shù)提供邊界，以便貝葉斯優(yōu)化僅在邊界內(nèi)搜索。

　　bounds_LGB = {

　　'num_leaves': (5, 20),

　　'min_data_in_leaf': (5, 20),

　　'learning_rate': (0.01, 0.3),

　　'min_sum_hessian_in_leaf': (0.00001, 0.01),

　　'feature_fraction': (0.05, 0.5),

　　'lambda_l1': (0, 5.0),

　　'lambda_l2': (0, 5.0),

　　'min_gain_to_split': (0, 1.0),

　　'max_depth':(3,15),

　　}

　　讓我們將它們?nèi)糠旁贐ayesianOptimization對(duì)象中

　　from bayes_opt import BayesianOptimization

　　LGB_BO = BayesianOptimization(LGB_bayesian, bounds_LGB, random_state=13)

　　現(xiàn)在，讓我們來(lái)優(yōu)化key space (parameters)：

　　print(LGB_BO.space.keys)

　　我創(chuàng)建了BayesianOptimization對(duì)象(LGB_BO)，在調(diào)用maxime之前它不會(huì)工作。在調(diào)用之前，解釋一下貝葉斯優(yōu)化對(duì)象(LGB_BO)的兩個(gè)參數(shù)，我們可以傳遞給它們進(jìn)行最大化：

　　init_points：我們想要執(zhí)行的隨機(jī)探索的初始隨機(jī)運(yùn)行次數(shù)。 在我們的例子中，LGB_bayesian將被運(yùn)行n_iter次。

　　n_iter：運(yùn)行init_points數(shù)后，我們要執(zhí)行多少次貝葉斯優(yōu)化運(yùn)行。

　　現(xiàn)在，是時(shí)候從貝葉斯優(yōu)化框架調(diào)用函數(shù)來(lái)最大化。 我允許LGB_BO對(duì)象運(yùn)行5個(gè)init_points和5個(gè)n_iter。

　　init_points = 5

　　n_iter = 5

　　print('-' * 130)

　　with warnings.catch_warnings():

　　warnings.filterwarnings('ignore')

　　LGB_BO.maximize(init_points=init_points, n_iter=n_iter, acq='ucb', xi=0.0, alpha=1e-6)

　　優(yōu)化完成后，讓我們看看我們得到的最大值是多少。

　　LGB_BO.max['target']

　　參數(shù)的驗(yàn)證AUC是0.89， 讓我們看看參數(shù):

　　LGB_BO.max['params']

　　現(xiàn)在我們可以將這些參數(shù)用于我們的最終模型!

　　BayesianOptimization庫(kù)中還有一個(gè)很酷的選項(xiàng)。 你可以探測(cè)LGB_bayesian函數(shù)，如果你對(duì)最佳參數(shù)有所了解，或者您從其他kernel獲取參數(shù)。 我將在此復(fù)制并粘貼其他內(nèi)核中的參數(shù)。 你可以按照以下方式進(jìn)行探測(cè)：

　　LGB_BO.probe(

　　params={'feature_fraction': 0.1403,

　　'lambda_l1': 4.218,

　　'lambda_l2': 1.734,

　　'learning_rate': 0.07,

　　'max_depth': 14,

　　'min_data_in_leaf': 17,

　　'min_gain_to_split': 0.1501,

　　'min_sum_hessian_in_leaf': 0.000446,

　　'num_leaves': 6},

　　lazy=True, #

　　)

　　好的，默認(rèn)情況下這些將被懶惰地探索(lazy = True)，這意味著只有在你下次調(diào)用maxime時(shí)才會(huì)評(píng)估這些點(diǎn)。 讓我們對(duì)LGB_BO對(duì)象進(jìn)行最大化調(diào)用。

　　LGB_BO.maximize(init_points=0, n_iter=0) # remember no init_points or n_iter

　　最后，通過(guò)屬性LGB_BO.res可以獲得探測(cè)的所有參數(shù)列表及其相應(yīng)的目標(biāo)值。

　　for i, res in enumerate(LGB_BO.res):

　　print("Iteration {}: \n\t{}".format(i, res))

　　我們?cè)谡{(diào)查中獲得了更好的驗(yàn)證分?jǐn)?shù)!和以前一樣，我只運(yùn)行LGB_BO 10次。在實(shí)踐中，我將它增加到100。

　　LGB_BO.max['target']

　　LGB_BO.max['params']

　　讓我們一起構(gòu)建一個(gè)模型使用這些參數(shù)。

　　4.訓(xùn)練LightGBM模型

　　param_lgb = {

　　'num_leaves': int(LGB_BO.max['params']['num_leaves']), # remember to int here

　　'max_bin': 63,

　　'min_data_in_leaf': int(LGB_BO.max['params']['min_data_in_leaf']), # remember to int here

　　'learning_rate': LGB_BO.max['params']['learning_rate'],

　　'min_sum_hessian_in_leaf': LGB_BO.max['params']['min_sum_hessian_in_leaf'],

　　'bagging_fraction': 1.0,

　　'bagging_freq': 5,

　　'feature_fraction': LGB_BO.max['params']['feature_fraction'],

　　'lambda_l1': LGB_BO.max['params']['lambda_l1'],

　　'lambda_l2': LGB_BO.max['params']['lambda_l2'],

　　'min_gain_to_split': LGB_BO.max['params']['min_gain_to_split'],

　　'max_depth': int(LGB_BO.max['params']['max_depth']), # remember to int here

　　'save_binary': True,

　　'seed': 1337,

　　'feature_fraction_seed': 1337,

　　'bagging_seed': 1337,

　　'drop_seed': 1337,

　　'data_random_seed': 1337,

　　'objective': 'binary',

　　'boosting_type': 'gbdt',

　　'verbose': 1,

　　'metric': 'auc',

　　'is_unbalance': True,

　　'boost_from_average': False,

　　}

　　如您所見(jiàn)，我將LGB_BO的最佳參數(shù)保存到param_lgb字典中，它們將用于訓(xùn)練5折的模型。

　　Kfolds數(shù)量：無(wú)錫婦科檢查醫(yī)院 http://www.87554006.com/

　　nfold = 5

　　gc.collect()

　　skf = StratifiedKFold(n_splits=nfold, shuffle=True, random_state=2019)

　　oof = np.zeros(len(train_df))

　　predictions = np.zeros((len(test_df),nfold))

　　i = 1

　　for train_index, valid_index in skf.split(train_df, train_df.target.values):

　　print("\nfold {}".format(i))

　　xg_train = lgb.Dataset(train_df.iloc[train_index][predictors].values,

　　label=train_df.iloc[train_index][target].values,

　　feature_name=predictors,

　　free_raw_data = False

　　)

　　xg_valid = lgb.Dataset(train_df.iloc[valid_index][predictors].values,

　　label=train_df.iloc[valid_index][target].values,

　　feature_name=predictors,

　　free_raw_data = False

　　)

　　clf = lgb.train(param_lgb, xg_train, 5000, valid_sets = [xg_valid], verbose_eval=250, early_stopping_rounds = 50)

　　oof[valid_index] = clf.predict(train_df.iloc[valid_index][predictors].values, num_iteration=clf.best_iteration)

　　predictions[:,i-1] += clf.predict(test_df[predictors], num_iteration=clf.best_iteration)

　　i = i + 1

　　print("\n\nCV AUC: {:<0.2f}".format(metrics.roc_auc_score(train_df.target.values, oof)))

　　所以我們?cè)?折交叉驗(yàn)證中獲得了0.90 AUC。

　　讓我們對(duì)5折預(yù)測(cè)進(jìn)行排名平均。

　　5.排名平均值

　　print("Rank averaging on", nfold, "fold predictions")

　　rank_predictions = np.zeros((predictions.shape[0],1))

　　for i in range(nfold):

　　rank_predictions[:, 0] = np.add(rank_predictions[:, 0], rankdata(predictions[:, i].reshape(-1,1))/rank_predictions.shape[0])

　　rank_predictions /= nfold

　　6.提交

　　sub_df = pd.DataFrame({"ID_code": test_df.ID_code.values})

　　sub_df["target"] = rank_predictions

　　sub_df.to_csv("Customer_Transaction_rank_predictions.csv", index=False)

到此，關(guān)于“LightGBM調(diào)參貝葉斯全局優(yōu)化方法是什么”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！