PoSH-autosklearn源码分析

2024-04-20 23:38
文章标签 分析 源码 posh autosklearn

本文主要是介绍PoSH-autosklearn源码分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

论文:(2018ICML)
https://ml.informatik.uni-freiburg.de/papers/18-AUTOML-AutoChallenge.pdf

代码:
http://ml.informatik.uni-freiburg.de/downloads/automl_competition_2018.zip

数据:(codalab平台,需要注册)
https://competitions.codalab.org/competitions/17767#participate-get_data

TODO LIST

  1. PoSH对时序数据是怎么处理的?

文章目录

  • 特别苟的Manual design decisions
    • 特征选择
    • 少样本数不采用SH
  • Budget 的计算

特别苟的Manual design decisions

  1. 如果特征数>500, 用单变量特征选择(听起来很牛逼,看代码就知道怎么回事了)
  2. 如果样本数<1000, 不采用SuccessiveHaving。并且采用交叉验证的方式,而不是HoldOut

在附录A.3A.4有比较详细的需求。

特征选择

特征选择
logic.project_data_via_feature_selection

imp = sklearn.preprocessing.Imputer(strategy='median')
pca = sklearn.feature_selection.SelectKBest(k=n_keep)
pipeline = sklearn.pipeline.Pipeline((('imp', imp), ('pca', pca)))

如果特征数>500, 强行将为500.
lib/logic.py:114

        D.feat_type = [ft for i, ft in enumerate(D.feat_type) if rval[2][i] == True]

更新feat_type


少样本数不采用SH

回到logic
lib/logic.py:227

    if min_budget == max_budget:res = SSB.run(len(autosklearn_portfolio), min_n_workers=1)else:res = SSB.run(1, min_n_workers=1)

如果样本数<1000, 则设置min_budget = max_budget, 且不采用SH,强行迭代16次。

Budget 的计算

    max_budget = 1.0min_budget = 1.0 / 16eta = 4

eta是什么意思呢?可以回顾我的这篇文章:HpBandSter源码分析

n_iterations是用户指定的,stages是根据max_budget, min_budget, eta决定的,详见hpbandster.optimizers.bohb.BOHB#__init__

hpbandster/optimizers/bohb.py:101

self.max_SH_iter = -int(np.log(min_budget/max_budget)/np.log(eta)) + 1
max_budget=243
min_budget=9
eta=3

s m a x = l o g η ( R ) s_{max}=log_{\eta}(R) smax=logη(R)
B = ( S m a x + 1 ) R B=(S_{max}+1)R B=(Smax+1)R

eta η \eta η 其实是SuccessiveHaving的budget扩增倍数,从9到243,每次增加3倍,即:

9, 27, 81, 243

再看到PoSH的代码

    max_budget = 1.0min_budget = 1.0 / 16eta = 4

hp_util.SideShowBOHB

self.max_SH_iter = -int(np.log(min_budget / max_budget) / np.log(eta)) + 1
self.budgets = max_budget * np.power(eta,-np.linspace(self.max_SH_iter - 1,0, self.max_SH_iter))
self.max_SH_iter
Out[5]: 3
self.budgets
Out[6]: array([0.0625, 0.25  , 1.    ])

1 16 ⇒ 4 16 ⇒ 16 16 \frac{1}{16} \Rightarrow \frac{4}{16} \Rightarrow \frac{16}{16} 1611641616


lib/hp_util.py:62

            self.budget_converter = {'libsvm_svc': lambda b: b,'random_forest': lambda b: int(b*128),'sgd': lambda b: int(b*512),'xgradient_boosting': lambda b: int(b*512),'extra_trees': lambda b: int(b*1024)}

budget与iterations的转换数与论文也是对应的

lib/logic.py:202

worker.run(background=True)

在用线程跑

portfolio.get_hydra_portfolio
获取混合文件夹

balancing的策略还是存在的

    SSB = hp_util.SideShowBOHB(configspace=worker.get_config_space(),initial_configs=autosklearn_portfolio,run_id=run_id,eta=eta, min_budget=min_budget, max_budget=max_budget,SH_only=True,       # suppresses Hyperband's outer loop and runs SuccessiveHalving onlynameserver=ns_host,nameserver_port=ns_port,ping_interval=sleep,job_queue_sizes=(-1, 0),dynamic_queue_size=True,)
eta
Out[4]: 4
min_budget
Out[5]: 0.0625
max_budget
Out[6]: 1.0
sleep
Out[7]: 5
run_id
Out[8]: '0'

SideShowBOHBMaster, AutoMLWorkerWorker

class PortfolioBOHB(BOHB):""" subclasses the config_generator BOHB"""def __init__(self, initial_configs=None, *args, **kwargs):super().__init__(*args, **kwargs)if initial_configs is None:# dummy initial portfolioself.initial_configs = [self.configspace.sample_configuration().get_dictionary() for i in range(5)]else:self.initial_configs = initial_configs

继承BOHB,仅仅多个initial_configs

        cg = PortfolioBOHB(initial_configs=initial_configs,configspace=configspace,min_points_in_model=min_points_in_model,top_n_percent=top_n_percent,num_samples=num_samples,random_fraction=random_fraction,bandwidth_factor=bandwidth_factor,)

cg: ConfigGenerate

min_points_in_model
top_n_percent
Out[10]: 15
num_samples
Out[11]: 64
random_fraction
Out[12]: 0.5
bandwidth_factor
Out[13]: 3

min_points_in_model = None

hp_util.SideShowBOHB#get_next_iteration

iteration
Out[2]: 0
s
Out[3]: 2
n0
Out[4]: 16
ns
Out[5]: [16, 4, 1]
self.budgets[(-s - 1):]
Out[6]: array([0.0625, 0.25  , 1.    ])

s是HyperBand的bracket,代表stages数目。
ns代表配置数,依次递减。budgets预算数依次递增。

hpbandster.iterations.base.BaseIteration#add_configuration

self.config_sampler
Out[7]: <bound method PortfolioBOHB.get_config of <hp_util.PortfolioBOHB object at 0x7f1670208208>>

hp_util.PortfolioBOHB#get_config

    def get_config(self, budget):# return a portfolio member firstif len(self.initial_configs) > 0 and True:c = self.initial_configs.pop()return (c, {'portfolio_member': True})return (super().get_config(budget))

用元学习文件夹代替了随机推荐

最后用SH的方法迭代1000次

这篇关于PoSH-autosklearn源码分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/921627

相关文章

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

MySQL中的表连接原理分析

《MySQL中的表连接原理分析》:本文主要介绍MySQL中的表连接原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、环境3、表连接原理【1】驱动表和被驱动表【2】内连接【3】外连接【4编程】嵌套循环连接【5】join buffer4、总结1、背景

python中Hash使用场景分析

《python中Hash使用场景分析》Python的hash()函数用于获取对象哈希值,常用于字典和集合,不可变类型可哈希,可变类型不可,常见算法包括除法、乘法、平方取中和随机数哈希,各有优缺点,需根... 目录python中的 Hash除法哈希算法乘法哈希算法平方取中法随机数哈希算法小结在Python中,

Java Stream的distinct去重原理分析

《JavaStream的distinct去重原理分析》Javastream中的distinct方法用于去除流中的重复元素,它返回一个包含过滤后唯一元素的新流,该方法会根据元素的hashcode和eq... 目录一、distinct 的基础用法与核心特性二、distinct 的底层实现原理1. 顺序流中的去重

关于MyISAM和InnoDB对比分析

《关于MyISAM和InnoDB对比分析》:本文主要介绍关于MyISAM和InnoDB对比分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录开篇:从交通规则看存储引擎选择理解存储引擎的基本概念技术原理对比1. 事务支持:ACID的守护者2. 锁机制:并发控制的艺

MyBatis Plus 中 update_time 字段自动填充失效的原因分析及解决方案(最新整理)

《MyBatisPlus中update_time字段自动填充失效的原因分析及解决方案(最新整理)》在使用MyBatisPlus时,通常我们会在数据库表中设置create_time和update... 目录前言一、问题现象二、原因分析三、总结:常见原因与解决方法对照表四、推荐写法前言在使用 MyBATis

Python主动抛出异常的各种用法和场景分析

《Python主动抛出异常的各种用法和场景分析》在Python中,我们不仅可以捕获和处理异常,还可以主动抛出异常,也就是以类的方式自定义错误的类型和提示信息,这在编程中非常有用,下面我将详细解释主动抛... 目录一、为什么要主动抛出异常?二、基本语法:raise关键字基本示例三、raise的多种用法1. 抛

github打不开的问题分析及解决

《github打不开的问题分析及解决》:本文主要介绍github打不开的问题分析及解决,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、找到github.com域名解析的ip地址二、找到github.global.ssl.fastly.net网址解析的ip地址三

Mysql的主从同步/复制的原理分析

《Mysql的主从同步/复制的原理分析》:本文主要介绍Mysql的主从同步/复制的原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录为什么要主从同步?mysql主从同步架构有哪些?Mysql主从复制的原理/整体流程级联复制架构为什么好?Mysql主从复制注意

java -jar命令运行 jar包时运行外部依赖jar包的场景分析

《java-jar命令运行jar包时运行外部依赖jar包的场景分析》:本文主要介绍java-jar命令运行jar包时运行外部依赖jar包的场景分析,本文给大家介绍的非常详细,对大家的学习或工作... 目录Java -jar命令运行 jar包时如何运行外部依赖jar包场景:解决:方法一、启动参数添加: -Xb