Udostępnij za pośrednictwem

HiperParameterTuning - Walka z rakiem piersi

  • Artykuł

W tym samouczku pokazano, jak można użyć usługi SynapseML do identyfikowania najlepszej kombinacji hiperparametrów dla wybranych klasyfikatorów, co ostatecznie skutkuje bardziej dokładnymi i niezawodnymi modelami. Aby to zademonstrować, pokażemy, jak przeprowadzić rozproszone dostrajanie hiperparametryczne wyszukiwania losowego siatki w celu utworzenia modelu w celu zidentyfikowania raka piersi.

1 — Konfigurowanie zależności

Zacznij od zaimportowania biblioteki pandas i skonfigurowania sesji platformy Spark.

import pandas as pd
from pyspark.sql import SparkSession

# Bootstrap Spark Session
spark = SparkSession.builder.getOrCreate()

Następnie odczytaj dane i podziel je na zestawy dostrajania i testowania.

data = spark.read.parquet(
    "wasbs://publicwasb@mmlspark.blob.core.windows.net/BreastCancer.parquet"
).cache()
tune, test = data.randomSplit([0.80, 0.20])
tune.limit(10).toPandas()

Zdefiniuj modele do użycia.

from synapse.ml.automl import TuneHyperparameters
from synapse.ml.train import TrainClassifier
from pyspark.ml.classification import (
    LogisticRegression,
    RandomForestClassifier,
    GBTClassifier,
)

logReg = LogisticRegression()
randForest = RandomForestClassifier()
gbt = GBTClassifier()
smlmodels = [logReg, randForest, gbt]
mmlmodels = [TrainClassifier(model=model, labelCol="Label") for model in smlmodels]

2 — Znajdowanie najlepszego modelu przy użyciu rozwiązania AutoML

Zaimportuj klasy AutoML usługi SynapseML z klasy synapse.ml.automl. Określ hiperparametry przy użyciu .HyperparamBuilder DiscreteHyperParam Dodaj hiperparametry lub RangeHyperParam . TuneHyperparameters losowo wybierze wartości z równomiernego rozkładu:

from synapse.ml.automl import *

paramBuilder = (
    HyperparamBuilder()
    .addHyperparam(logReg, logReg.regParam, RangeHyperParam(0.1, 0.3))
    .addHyperparam(randForest, randForest.numTrees, DiscreteHyperParam([5, 10]))
    .addHyperparam(randForest, randForest.maxDepth, DiscreteHyperParam([3, 5]))
    .addHyperparam(gbt, gbt.maxBins, RangeHyperParam(8, 16))
    .addHyperparam(gbt, gbt.maxDepth, DiscreteHyperParam([3, 5]))
)
searchSpace = paramBuilder.build()
# The search space is a list of params to tuples of estimator and hyperparam
print(searchSpace)
randomSpace = RandomSpace(searchSpace)

Następnie uruchom polecenie TuneHyperparameters, aby uzyskać najlepszy model.

bestModel = TuneHyperparameters(
    evaluationMetric="accuracy",
    models=mmlmodels,
    numFolds=2,
    numRuns=len(mmlmodels) * 2,
    parallelism=1,
    paramSpace=randomSpace.space(),
    seed=0,
).fit(tune)

3 — Ocena modelu

Możemy wyświetlić parametry najlepszego modelu i pobrać bazowy najlepszy potok modelu

print(bestModel.getBestModelInfo())
print(bestModel.getBestModel())

Możemy ocenić dla zestawu testów i wyświetlić metryki.

from synapse.ml.train import ComputeModelStatistics

prediction = bestModel.transform(test)
metrics = ComputeModelStatistics().transform(prediction)
metrics.limit(10).toPandas()

Powiązana zawartość