高級調參技巧

以下是Coursera上的How to Win a Data Science Competition: Learn from Top Kagglers課程筆記。

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.無論如何，我們從來沒有時間調整所有的參數，所以我們需要提出一個很好的子集來調整。假設我們是xgboost新手，不知道哪些參數是需要調的，可以在Github或Kaggle Kernels搜索到前人通常設置的參數。

• 2.理解改變其中一個參數會發生什么。

• 3.大多數人手動完成調參工作。也可以使用超參數優化工具，但手動執行通常會更快。

Hyperparameter optimization software自動調參工具

運行調參工具可能需要很長時間，因此最好的策略是在夜間運行它。

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

從廣義上講，不同的參數會導致三種不同的結果

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

因此我們需要把想要調整的參數分為兩組。第一組是約束模型的參數，第二組與第一組效果相反。

• 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

上面提到的顏色只是視頻中的標記

Hyperparameter tuning II

一些基於樹模型的超參數優化

• Tree-based models

Model	Where
GBDT	XGBoost-dmlc/xgboost LightGBM-Microsoft/LightGBM CatBoost-catboost/catboost
RandomForest/ExtraTrees	scikit-learn
Others	RGF-baidu/fast_rgf

GBDT

XGBoost	LightGBM
max_depth	max_depth/num_leaves
subsample	bagging_fraction
colsample_bytree, 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:
  樹越深，越能擬合數據集，但這可以會導致過擬合。根據任務的不同，最大深度可能會有很大差異，有時是2，有時是27。建議max_depth大約從7開始，直到未過擬合的最大深度。需要注意的是深度增加，學習時間就更長。
• num_leaves:
  在LightGBM中，可以控制葉的數量，而不是最大深度。因為樹可以很深，但如果葉子數量少就不會導致過擬合。
• subsample、bagging_fraction:
  這個參數可以控制每次喂給模型的數據量，取值在0,1之間。每次喂給它一小部分數據，可以讓它不那么過擬合，並且可以得到更好的泛化效果，但是模型的訓練會更慢。這有點像正則化的作用。
• colsample_bytree、colsample_bylevel:
  這個參數可以控制subsample中的分裂點。如果模型過擬合，可以嘗試降低這些值。
• min_child_weight,lambda,alpha:
  正則化參數。
• min_child_weight:
  經驗中，這是最重要的參數。增加它可以讓模型更保守，減少它會讓模型有更少約束。根據不同的任務，我發現最佳值為0,5,15,300，所以不要猶豫，嘗試各種值，這取決於數據。
• eta、num_round:eta本質上是一種學習權重，就像梯度下降一樣。num_round是我們想要執行的學習步數，換句話說，是我們想要建多少棵樹。每次迭代都會構建一個新樹，以學習率eta添加到模型中。
• 當我們找到合適的輪數時，可以做一個通常會提高分數的技巧。我們將num_round乘以α，將eta除以α，模型通常會變得更好。可能應用的參數也需要調整，但通常可以保留原樣。

Other

• seed:
  一般情況下隨機種子對於模型影響不大。但如果隨機種子對你的影響非常大時，建議你可以多次提交，或者根據隨機性調整你的驗證方案。

sklearn.RandomForest/ExtraTrees

• n_estimators:
  RandomForest構建每棵樹是獨立於其他樹的，這意味這擁有大量樹的模型不會導致過擬合，這於Gradient Boosting相反。我們通常首先將n_estimators設置為非常小的數字，例如10，並看看這將花費多少時間，如果不太長，就把它設為一個比較大的值，例如300。
• max_deep:
  控制樹的深度，於XGBoost不同，它可以被設置為None,這對應於無限深度。當數據集中的特征具有重復值和重要交互時，它實際上非常有用。在其他情況下，無約束深度的模型將立即過擬合。建議隨機森林的深度從7左右開始。通常隨機深林的最佳深度高於Gradient Boosting，所有不要猶豫嘗試10,20或更高的值。
• max_feature:
  與XGBoost中的參數相同。
• min_samples_leaf:
  是一個類似正則化的參數，與XGBoost的min_child_weight和LightGBM的min_data_leaf相同。

Other

• criterion:
  根據我的經驗，Gini更常見，但有時Entropy更好。
• random_state:
  隨機種子參數
• n_jobs:設置擁有多個核心數。默認情況下sklearn的RandomForest由於某種原因僅使用一個核心。

Hyperparameter tuning III

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

Neural Nets

這里討論的是dense neural nets,即只含有全連接層的網絡

自適應算法已高亮+斜體顯示

• 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

• 建議從簡單的開始，比如1層或2層，調試代碼，確保訓練時loss下降

• 然后嘗試找到一個能夠過擬合的配置，之后在網絡中調整一些東西

• 神經網絡的關鍵部分之一是優化方法

• 自適應優化方法的確可以讓你更快的擬合數據，但根據我的經驗，這也會導致嚴重的過擬合。普通的SGD收斂速度較慢，但是訓練好的模型通常會有更好的泛化效果。Adaptive methods are useful,but in the settings others in classification and regression.

• Batch Size:事實證明批量過大會導致更多的過擬合。憑經驗，batch_size為500就可以認為很大。建議選擇32或64左右的值，如果網絡仍然過擬合，請嘗試減少batch_size，反之增加它。batch_size也不應該太小，否則梯度可能會有太多噪聲。在調整batch_size后，必要時，應該去調整其他網絡數量。

• 學習率：學習率不能太高也不能太低。因此，最佳學習率取決於其他參數。通常從一個大的學習率開始，比如0.1，然后逐步去減小它。有一條經驗法則，如果你將batch_size增加alpha倍，你也可以提高學習率alpha倍。

• 早期，人們大多使用L2和L1正則化。如今大多數人都使用dropout正則化。對我來說，就是在數層之后立即將dropout作為第一層。

• static dropconnect:通常我們有一個密集連接的輸入層，比如128個單位。我們將改為一個非常巨大的隱藏層，比如4096個單位，對於一般的比賽來說，這是一個巨大的網絡，它會嚴重過擬合。現在為了規范它，我們將對這一層隨機dropout 99%，這是非常強的正則化，實踐證明這是可以的。
  

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幾乎不需要調參，這是最大的益處

• 最新版的libLinear和libSVM支持多核處理，但Sklearn中的不支持多核處理。所以我們需要動手變異這些庫以使用此選項。

• 幾乎沒有人使用kernel SVC，所以這里只討論SVM

• 對於不適合在內存中操作的數據，我們可以使用Vowpal Wabbit，它以在線的方式實現線性模型的學習。它只能直接從硬盤驅動器中逐行讀取數據，永遠不會將整個數據集加載到內存中。因此，允許學習非常龐大的數據集。

• 線性模型的在線學習方法（FTRL）在前段時間特別受歡迎，他是Vowpal Wabbit中的實現。

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：對於SVM，我通常會從一個非常小的值開始，比如\(10^{-6}\)，每次乘以10。從小的值開始，是因為參數C越大，訓練時間越長。

• 選擇L1還是L2？答案是嘗試兩者，在我看來，它們非常相識。並且L1還有一個好處，可以給我們提供一個稀疏權重，這可以用於特征選擇。

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

相關鏈接

• 調整估計器的超參數（sklearn）
• Python中梯度提升（GBM）中參數調整的完整指南