#python #parameters #h2o #automl
#python #параметры #h2o #automl
Вопрос:
Я обучил h2o automl и получил модель лидера с удовлетворяющими метриками. Я хочу периодически переучивать модель, но без использования контрольной точки. Итак, я думаю, все, что мне нужно, это наилучшие параметры модели лидера, чтобы запустить ее вручную. Я знаю automlmodels.leader.params но он выдает список всех опробованных параметров. Как я могу получить лучшие параметры, найденные в таблице лидеров?
Комментарии:
1. Является ли модель лидера многоуровневым ансамблем или чем-то другим? Я просто спрашиваю, потому что обычно SE является лидером, а SES не имеют контрольных точек.
2. На самом деле это glm. Но меня не интересуют контрольные точки. Я хочу найти наилучшие параметры
Ответ №1:
Вот решение, использующее пример из руководства пользователя H2O AutoML. Параметры для любой модели хранятся в model.params расположении. Итак, если вы хотите получить параметры для модели лидера, то вы можете получить к ним доступ здесь: aml.leader.params . Если бы вам нужна была другая модель, вы бы преобразовали эту модель в объект на Python с помощью h2o.get_model() функции и аналогичным образом получили доступ к параметрам с помощью .params .
.params Объект представляет собой словарь, в котором хранятся все значения параметров (по умолчанию и фактические).
import h2o
from h2o.automl import H2OAutoML
h2o.init()
# Import a sample binary outcome train/test set into H2O
train = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_train_10k.csv")
test = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_test_5k.csv")
# Identify predictors and response
x = train.columns
y = "response"
x.remove(y)
# For binary classification, response should be a factor
train[y] = train[y].asfactor()
test[y] = test[y].asfactor()
# Run AutoML for 20 base models (limited to 1 hour max runtime by default)
aml = H2OAutoML(max_models=20, seed=1)
aml.train(x=x, y=y, training_frame=train)
Верхняя часть таблицы лидеров выглядит следующим образом:
In [3]: aml.leaderboard
Out[3]:
model_id auc logloss mean_per_class_error rmse mse
--------------------------------------------------- -------- --------- ---------------------- -------- --------
StackedEnsemble_AllModels_AutoML_20190309_152507 0.788879 0.552328 0.315963 0.432607 0.187149
StackedEnsemble_BestOfFamily_AutoML_20190309_152507 0.787642 0.553538 0.317995 0.433144 0.187614
XGBoost_1_AutoML_20190309_152507 0.785199 0.557134 0.327844 0.434681 0.188948
XGBoost_grid_1_AutoML_20190309_152507_model_4 0.783523 0.557854 0.318819 0.435249 0.189441
XGBoost_grid_1_AutoML_20190309_152507_model_3 0.783004 0.559613 0.325081 0.435708 0.189841
XGBoost_2_AutoML_20190309_152507 0.782186 0.558342 0.335769 0.435571 0.189722
XGBoost_3_AutoML_20190309_152507 0.7815 0.55952 0.319151 0.436034 0.190126
GBM_5_AutoML_20190309_152507 0.780837 0.559903 0.340848 0.436191 0.190263
GBM_2_AutoML_20190309_152507 0.780036 0.559806 0.339926 0.436415 0.190458
GBM_1_AutoML_20190309_152507 0.779827 0.560857 0.335096 0.436616 0.190633
[22 rows x 6 columns]
Здесь лидером является многоуровневый ансамбль. Мы можем посмотреть на имена параметров следующим образом:
In [6]: aml.leader.params.keys()
Out[6]: dict_keys(['model_id', 'training_frame', 'response_column', 'validation_frame', 'base_models', 'metalearner_algorithm', 'metalearner_nfolds', 'metalearner_fold_assignment', 'metalearner_fold_column', 'keep_levelone_frame', 'metalearner_params', 'seed', 'export_checkpoints_dir'])
In [7]: aml.leader.params['metalearner_algorithm']
Out[7]: {'default': 'AUTO', 'actual': 'AUTO'}
Если вас интересует GLM (как вы упомянули выше), то вы можете взять его таким образом и изучить значения гиперпараметров.
# Get model ids for all models in the AutoML Leaderboard
model_ids = list(aml.leaderboard['model_id'].as_data_frame().iloc[:,0])
# Get the GLM model
m = h2o.get_model([mid for mid in model_ids if "GLM" in mid][0])
Теперь посмотрите на имена параметров, а затем проверьте значения по умолчанию и фактические значения:
In [11]: m.params.keys()
Out[11]: dict_keys(['model_id', 'training_frame', 'validation_frame', 'nfolds', 'seed', 'keep_cross_validation_models', 'keep_cross_validation_predictions', 'keep_cross_validation_fold_assignment', 'fold_assignment', 'fold_column', 'response_column', 'ignored_columns', 'ignore_const_cols', 'score_each_iteration', 'offset_column', 'weights_column', 'family', 'tweedie_variance_power', 'tweedie_link_power', 'solver', 'alpha', 'lambda', 'lambda_search', 'early_stopping', 'nlambdas', 'standardize', 'missing_values_handling', 'compute_p_values', 'remove_collinear_columns', 'intercept', 'non_negative', 'max_iterations', 'objective_epsilon', 'beta_epsilon', 'gradient_epsilon', 'link', 'prior', 'lambda_min_ratio', 'beta_constraints', 'max_active_predictors', 'interactions', 'interaction_pairs', 'obj_reg', 'export_checkpoints_dir', 'balance_classes', 'class_sampling_factors', 'max_after_balance_size', 'max_confusion_matrix_size', 'max_hit_ratio_k', 'max_runtime_secs', 'custom_metric_func'])
In [12]: m.params['nlambdas']
Out[12]: {'default': -1, 'actual': 30}
Комментарии:
1. Большое спасибо! Когда я делаю aml.leader.params[‘alphas’][‘actual’] Я получаю 6 значений. Это параметры для одной модели? Я думал, GLM принимает одно альфа-значение для каждой модели…
2. @GeorgiosKourogiorgas Ах… Это особенность кода GLM и того, как мы передаем вектор альфа-символов в AutoML. GLM позволяет передавать вектор для alpha, и это то, что мы сделали (вместо использования традиционного интерфейса grid, который выдал бы шесть GLM вместо одного конечного), поэтому, похоже, нет способа увидеть, какая альфа была выбрана. У нас открыта JIRA для исправления этого: 0xdata.atlassian.net/browse/PUBDEV-5013
3. Хорошо, на данный момент я передам все альфа-версии из glm-победителя в automl
Ответ №2:
В дополнение к ответу Эрин Леделл, если вы хотите использовать модель BestOfFamily в соответствии с рекомендациями документации AutoML («Ансамбль «Best of Family» оптимизирован для производственного использования, поскольку он содержит только шесть (или меньше) базовых моделей»):
http://docs.h2o.ai/h2o/latest-stable/h2o-docs/automl.html
Получение гиперпараметров base_models, чтобы вы могли переобучаться на разных данных, немного сложнее:
Аналогично последнему ответу, мы можем начать с вывода таблицы лидеров:
from h2o.automl import H2OAutoML
aml = H2OAutoML(max_runtime_secs=int(60*30), seed = 1)
aml.train(x=predictors, y=response, training_frame=df_h20)
lb = aml.leaderboard
lbdf = lb.as_data_frame()
lbdf.head()
дает:
AutoML progress: |████████████████████████████████████████████████████████| 100%
model_id mean_residual_deviance rmse mse mae rmsle
0 StackedEnsemble_BestOfFamily_AutoML_20190618_1... 6.960772 2.638328 6.960772 1.880983 0.049275
1 StackedEnsemble_AllModels_AutoML_20190618_145827 6.960772 2.638328 6.960772 1.880983 0.049275
2 GBM_1_AutoML_20190618_145827 7.507970 2.740068 7.507970 1.934916 0.050984
3 DRF_1_AutoML_20190618_145827 7.781256 2.789490 7.781256 1.959508 0.051684
4 GLM_grid_1_AutoML_20190618_145827_model_1 9.503375 3.082754 9.503375 2.273755 0.058174
5 GBM_2_AutoML_20190618_145827 18.464452 4.297028 18.464452 3.259346 0.079722
Однако использование m.params.keys() не показывает способа получения гиперпараметров base_model:
model_ids = list(aml.leaderboard['model_id'].as_data_frame().iloc[:,0])
m = h2o.get_model(model_ids[0])
m.params['base_models']
возврат:
{'default': [],
'actual': [{'__meta': {'schema_version': 3,
'schema_name': 'ModelKeyV3',
'schema_type': 'Key<Model>'},
'name': 'GBM_1_AutoML_20190618_145827',
'type': 'Key<Model>',
'URL': '/3/Models/GBM_1_AutoML_20190618_145827'},
{'__meta': {'schema_version': 3,
'schema_name': 'ModelKeyV3',
'schema_type': 'Key<Model>'},
'name': 'DRF_1_AutoML_20190618_145827',
'type': 'Key<Model>',
'URL': '/3/Models/DRF_1_AutoML_20190618_145827'},
{'__meta': {'schema_version': 3,
'schema_name': 'ModelKeyV3',
'schema_type': 'Key<Model>'},
'name': 'GLM_grid_1_AutoML_20190618_145827_model_1',
'type': 'Key<Model>',
'URL': '/3/Models/GLM_grid_1_AutoML_20190618_145827_model_1'}]}
Вы должны получить список URL-адресов каждой базовой модели:
urllist = []
for model in m.params['base_models']['actual']:
urllist.append(model['URL'])
print(urllist)
предоставление:
['/3/Models/GBM_1_AutoML_20190618_145827', '/3/Models/DRF_1_AutoML_20190618_145827', '/3/Models/GLM_grid_1_AutoML_20190618_145827_model_1']
И затем, после этого, вы можете увидеть, какие гиперпараметры не используются по умолчанию, используя библиотеку запросов:
for url in urllist:
r = requests.get("http://localhost:54321" url)
model = r.json()
print(url)
for i in np.arange(len(model['models'][0]['parameters'])):
if model['models'][0]['parameters'][i]['label'] in ['model_id','training_frame','validation_frame','response_column']:
continue
if model['models'][0]['parameters'][i]['default_value'] != model['models'][0]['parameters'][i]['actual_value']:
print(model['models'][0]['parameters'][i]['label'])
print(model['models'][0]['parameters'][i]['actual_value'])
print(" ")
Ответ №3:
Помимо вышеперечисленного, вы можете подключиться к серверу H2O (FLOW) по локальному URL «http://localhost:54321 » (или другой порт, на котором вы работаете) и щелкните на нужной модели и проверьте параметры.
Ответ №4:
поддерживаю ответ Дейвиджея.
Как указано в следующем URL, get_params помогает https://0xdata.atlassian.net/browse/PUBDEV-6396
К сожалению, это не работает для получения параметров для AutoML leader. Я добавил комментарий на доскеhttps://0xdata.atlassian.net/browse/PUBDEV-6396 и я бы снова открыл эту проблему, если через некоторое время не получу ответа.