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

Springboot中分析SQL性能的两种方式详解

《Springboot中分析SQL性能的两种方式详解》文章介绍了SQL性能分析的两种方式:MyBatis-Plus性能分析插件和p6spy框架,MyBatis-Plus插件配置简单,适用于开发和测试环... 目录SQL性能分析的两种方式:功能介绍实现方式:实现步骤:SQL性能分析的两种方式:功能介绍记录

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列(LCS)问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动

C#使用DeepSeek API实现自然语言处理,文本分类和情感分析

《C#使用DeepSeekAPI实现自然语言处理,文本分类和情感分析》在C#中使用DeepSeekAPI可以实现多种功能,例如自然语言处理、文本分类、情感分析等,本文主要为大家介绍了具体实现步骤,... 目录准备工作文本生成文本分类问答系统代码生成翻译功能文本摘要文本校对图像描述生成总结在C#中使用Deep

Go中sync.Once源码的深度讲解

《Go中sync.Once源码的深度讲解》sync.Once是Go语言标准库中的一个同步原语,用于确保某个操作只执行一次,本文将从源码出发为大家详细介绍一下sync.Once的具体使用,x希望对大家有... 目录概念简单示例源码解读总结概念sync.Once是Go语言标准库中的一个同步原语,用于确保某个操

Redis主从/哨兵机制原理分析

《Redis主从/哨兵机制原理分析》本文介绍了Redis的主从复制和哨兵机制,主从复制实现了数据的热备份和负载均衡,而哨兵机制可以监控Redis集群,实现自动故障转移,哨兵机制通过监控、下线、选举和故... 目录一、主从复制1.1 什么是主从复制1.2 主从复制的作用1.3 主从复制原理1.3.1 全量复制

Redis主从复制的原理分析

《Redis主从复制的原理分析》Redis主从复制通过将数据镜像到多个从节点,实现高可用性和扩展性,主从复制包括初次全量同步和增量同步两个阶段,为优化复制性能,可以采用AOF持久化、调整复制超时时间、... 目录Redis主从复制的原理主从复制概述配置主从复制数据同步过程复制一致性与延迟故障转移机制监控与维

Redis连接失败:客户端IP不在白名单中的问题分析与解决方案

《Redis连接失败:客户端IP不在白名单中的问题分析与解决方案》在现代分布式系统中,Redis作为一种高性能的内存数据库,被广泛应用于缓存、消息队列、会话存储等场景,然而,在实际使用过程中,我们可能... 目录一、问题背景二、错误分析1. 错误信息解读2. 根本原因三、解决方案1. 将客户端IP添加到Re

Java汇编源码如何查看环境搭建

《Java汇编源码如何查看环境搭建》:本文主要介绍如何在IntelliJIDEA开发环境中搭建字节码和汇编环境,以便更好地进行代码调优和JVM学习,首先,介绍了如何配置IntelliJIDEA以方... 目录一、简介二、在IDEA开发环境中搭建汇编环境2.1 在IDEA中搭建字节码查看环境2.1.1 搭建步

Redis主从复制实现原理分析

《Redis主从复制实现原理分析》Redis主从复制通过Sync和CommandPropagate阶段实现数据同步,2.8版本后引入Psync指令,根据复制偏移量进行全量或部分同步,优化了数据传输效率... 目录Redis主DodMIK从复制实现原理实现原理Psync: 2.8版本后总结Redis主从复制实

锐捷和腾达哪个好? 两个品牌路由器对比分析

《锐捷和腾达哪个好?两个品牌路由器对比分析》在选择路由器时,Tenda和锐捷都是备受关注的品牌,各自有独特的产品特点和市场定位,选择哪个品牌的路由器更合适,实际上取决于你的具体需求和使用场景,我们从... 在选购路由器时,锐捷和腾达都是市场上备受关注的品牌,但它们的定位和特点却有所不同。锐捷更偏向企业级和专