一、简介
贝叶斯优化用于机器学习调参由J. Snoek(2012)提出,主要思想是,给定优化的目标函数(广义的函数,只需指定输入和输出即可,无需知道内部结构以及数学性质),通过不断地添加样本点来更新目标函数的后验分布(高斯过程,直到后验分布基本贴合于真实分布。简单的说,就是考虑了上一次参数的信息**,从而更好的调整当前的参数。
他与常规的网格搜索或者随机搜索的区别是:
- 贝叶斯调参采用高斯过程,考虑之前的参数信息,不断地更新先验;网格搜索未考虑之前的参数信息
- 贝叶斯调参迭代次数少,速度快;网格搜索速度慢,参数多时易导致维度爆炸
- 贝叶斯调参针对非凸问题依然稳健;网格搜索针对非凸问题易得到局部优最
二、理论
介绍贝叶斯优化调参,必须要从两个部分讲起:
- 高斯过程,用以拟合优化目标函数
- 贝叶斯优化,包括了“开采”和“勘探”,用以花最少的代价找到最优值
2.1 高斯过程
高斯过程可以用于非线性回归、非线性分类、参数寻优等等。以往的建模需要对 \(p(y|X)\) 建模,当用于预测时,则是
\[
p(y_{N+1} | X_{N+1})
\]
而高斯过程则, 还考虑了 \(y_N\) 和 \(y_{N+1}\) 之间的关系,即:
\[
p(y_{N+1} | X_{N+1}, y_{N})
\]
高斯过程通过假设 \(Y\) 值服从联合正态分布,来考虑 \(y_N\) 和 \(y_{N+1}\) 之间的关系,因此需要给定参数包括:均值向量和协方差矩阵,即:
\[
\begin{bmatrix}
y_1 \y_2 \... \y_n \\end{bmatrix} \sim
N( \mathbf{0}, \begin{bmatrix}
k(x_1, x_1) , k(x_1, x_2), ..., k(x_1, x_n) \k(x_2, x_1) , k(x_2, x_2), ..., k(x_2, x_n) \... \k(x_n, x_1) , k(x_n, x_2), ..., k(x_n, x_n)
\end{bmatrix} )
\]
其中协方差矩阵又叫做 核矩阵, 记为 \(\mathbf{K}\) ,仅和特征 \(x\) 有关,和 \(y\) 无关。
高斯过程的思想是: 假设 \(Y\) 服从高维正态分布(先验),而根据训练集可以得到最优的核矩阵 ,从而得到后验以估计测试集 \(Y*\)
我们有后验:
\[
p(y_*| \mathbf{y} \sim N(K_* K^{-1} \mathbf{y}, ~ K_{**} - K_* K^{-1} K_*^T)
\]
其中,\(K_*\)为训练集的核向量,有如下关系:
\[
\begin{bmatrix}
\mathbf{y} \y_*
\end{bmatrix} \sim
N(\mathbf{0}, \begin{bmatrix}
K, K_*^T \K_*, K_{**} \\end{bmatrix})
\]
可以发现,在后验公式中,只有均值和训练集 \(Y\) 有关,方差则仅仅和核矩阵,也就是训练集和测试集的 \(X\) 有关,与训练集 \(Y\) 无关
高斯过程的估计(训练)方法
假设使用平方指数核(Squared Exponential Kernel),那么有:
\[
k(x_1, x_2) = \sigma^2_f exp(\frac{-(x_1 - x_2)^2}{2 l^2})
\]
那么所需要的确定的超参数 \(\theta = [\sigma^2_f, l]\) ,由于 \(Y\) 服从多维正态分布,因此似然函数为:
\[
L = log p(y| x, \theta) = - \frac{1}{2} log|\mathbf{K}| - \frac{1}{2} (y - \mu)^T \mathbf{K}^{-1} (y - \mu) - n*log(2\pi)/2
\]
由于 \(K\) 是由 \(\theta\) 决定的,所以通过梯度下降即可求出超参数 \(\theta\),而根据核矩阵的计算方式也可以进行预测。
上图是一张高斯分布拟合函数的示意图,可以看到,它只需要九个点,就可以大致拟合出整个函数形状(图片来自:https://github.com/fmfn/BayesianOptimization)
2.2 贝叶斯优化理论
贝叶斯优化是一种逼近思想,当计算非常复杂、迭代次数较高时能起到很好的效果,多用于超参数确定
基本思想
是基于数据使用贝叶斯定理估计目标函数的后验分布,然后再根据分布选择下一个采样的超参数组合。它充分利用了前一个采样点的信息,其优化的工作方式是通过对目标函数形状的学习,并找到使结果向全局最大提升的参数
高斯过程 用于在贝叶斯优化中对目标函数建模,得到其后验分布
通过高斯过程建模之后,我们尝试抽样进行样本计算,而贝叶斯优化很容易在局部最优解上不断采样,这就涉及到了开发和探索之间的权衡。
- 开发 (exploitation): 根据后验分布,在最可能出现全局最优解的区域进行采样, 开发高意味着均值高
- 探索 (exploration): 在还未取样的区域获取采样点, 探索高意味着方差高
而如何高效的采样,即开发和探索,我们需要用到 Acquisition Function, 它是用来寻找下一个 x 的函数。
Acquistion Function
一般形式的Acquisition Funtion是关于x的函数,映射到实数空间R,表示改点的目标函数值能够比当前最优值大多少的概率,目前主要有以下几种主流的Acquisition Function
POI(probability of improvement)
\[
POI(X) = P(f(X) \ge f(X^+) + \xi) = \Phi(\frac{\mu(x) - f(X^+) - \xi}{\sigma(x)})
\]
其中, \(f(X)\) 为X的目标函数值, \(f(X^+)\) 为 到目前为止 最优的X的目标函数值, \(\mu(x), \sigma(x)\) 分别是高斯过程所得到的目标函数的均值和方差,即 \(f(X)\) 的后验分布。 \(\xi\) 为trade-off系数,如果没有该系数,POI函数会倾向于取在 \(X^+\) 周围的点,即倾向于exploit而不是explore,因此加入该项进行权衡。
而我们要做的,就是尝试新的X,使得 \(POI(X)\) 最大,则采取该\(X\) (因为\(f(X)\)的计算代价非常大),通常我们使用 蒙特卡洛模拟 的方法进行。
详细情况见下图(图片来自 Ref[5])
Expected Improvement
POI是一个概率函数,因此只考虑了f(x) 比 \(f(x^+)\) 大的概率,而EI则是一个期望函数,因此考虑了 f(x) 比 \(f(x^+)\) 大多少。我们通过下式获取x
\[
x = argmax_x \ \ E(\max\{0, f_{t+1}(x) - f(X^+)\}| D_t)
\]
其中 \(D_t\) 为前t个样本,在正态分布的假定下,最终得到:
\[
EI(x) =
\begin{cases}
(\mu(x) - f(x^+)) \Phi(Z) + \sigma(x) \phi(Z), if \ \sigma(x) > 0 \0, if \ \sigma(x) = 0
\end{cases}
\]
其中 \(Z= \frac{\mu(x) - f(x^+)}{\sigma(x)}\)
Confidence bound criteria
\[
LCB(x) = \mu(x) - \kappa \sigma(x)
\]
\[
UCB(x) = \mu(x) + \kappa \sigma(x)
\]
2.3 缺点和不足
- 高斯过程核矩阵不好选
三、例子
目前可以做贝叶斯优化的包非常多,光是python就有:
本文使用BayesianOptimization为例,利用sklearn的随机森林模型进行分类
安装
pip install bayesian-optimization
前期准备
from sklearn.datasets import make_classification
from sklearn.ensemble import RandomForestClassifier
from sklearn.cross_validation import cross_val_score
from bayes_opt import BayesianOptimization
# 产生随机分类数据集,10个特征, 2个类别
x, y = make_classification(n_samples=1000,n_features=10,n_classes=2)
我们先看看不调参的结果:
rf = RandomForestClassifier()
print(np.mean(cross_val_score(rf, x, y, cv=20, scoring=‘roc_auc‘)))
>>> 0.965162
可以看到,不调参的话模型20此交叉验证AUC均值是0.965162,算是一个不错的模型,那么如果用bayes调参结果会怎么样呢
bayes调参初探
我们先定义一个目标函数,里面放入我们希望优化的函数。比如此时,函数输入为随机森林的所有参数,输出为模型交叉验证5次的AUC均值,作为我们的目标函数。因为bayes_opt
库只支持最大值,所以最后的输出如果是越小越好,那么需要在前面加上负号,以转为最大值。由于bayes优化只能优化连续超参数,因此要加上int()
转为离散超参数。
def rf_cv(n_estimators, min_samples_split, max_features, max_depth):
val = cross_val_score(
RandomForestClassifier(n_estimators=int(n_estimators),
min_samples_split=int(min_samples_split),
max_features=min(max_features, 0.999), # float
max_depth=int(max_depth),
random_state=2
),
x, y, ‘roc_auc‘, cv=5
).mean()
return val
然后我们就可以实例化一个bayes优化对象了:
rf_bo = BayesianOptimization(
rf_cv,
{‘n_estimators‘: (10, 250),
‘min_samples_split‘: (2, 25),
‘max_features‘: (0.1, 0.999),
‘max_depth‘: (5, 15)}
)
里面的第一个参数是我们的优化目标函数,第二个参数是我们所需要输入的超参数名称,以及其范围。超参数名称必须和目标函数的输入名称一一对应。
完成上面两步之后,我们就可以运行bayes优化了!
rf_bo.maximize()
完成的时候会不断地输出结果,如下图所示:
等到程序结束,我们可以查看当前最优的参数和结果:
rf_bo.res[‘max‘]
>>> {‘max_params‘: {‘max_depth‘: 5.819908283575526,
‘max_features‘: 0.4951745603509127,
‘min_samples_split‘: 2.3110014720414958,
‘n_estimators‘: 249.73529231990733},
‘max_val‘: 0.9774079407940794}
bayes调参进阶
上面bayes算法得到的参数并不一定最优,当然我们会遇到一种情况,就是我们已经知道有一组或是几组参数是非常好的了,我们想知道其附近有没有更好的。这个操作相当于上文bayes优化中的Explore操作,而bayes_opt库给了我们实现此方法的函数:
rf_bo.explore(
{‘n_estimators‘: [10, 100, 200],
‘min_samples_split‘: [2, 10, 20],
‘max_features‘: [0.1, 0.5, 0.9],
‘max_depth‘: [5, 10, 15]
}
)
这里我们添加了三组较优的超参数,让其在该参数基础上进行explore,可能会得到更好的结果。
同时,我们还可以修改高斯过程的参数,高斯过程主要参数是核函数(kernel
),还有其他参数可以参考sklearn.gaussianprocess
gp_param={‘kernel‘:None}
rf_bo.maximize(**gp_param)
最终我们的到参数如下:
{‘max_params‘: {‘max_depth‘: 5.819908283575526,
‘max_features‘: 0.4951745603509127,
‘min_samples_split‘: 2.3110014720414958,
‘n_estimators‘: 249.73529231990733},
‘max_val‘: 0.9774079407940794}
运行交叉验证测试一下:
rf = RandomForestClassifier(max_depth=6, max_features=0.39517, min_samples_split=2, n_estimators=250)
np.mean(cross_val_score(rf, x, y, cv=20, scoring=‘roc_auc‘))
>>> 0.9754953
得到最终结果是0.9755,比之前的0.9652提高了约0.01,做过kaggle的朋友都懂,这在后期已经是非常大的提高了!到后面想提高0.001都极其困难,因此bayes优化真的非常强大!
结束!
Reference
- [1] J. Snoek, H. Larochelle, and R. P. Adams, “Practical bayesianoptimization of machine learning algorithms,” in Advances in neural information processing systems, 2012, pp. 2951–2959.
- [2] 高斯过程:http://www.gaussianprocess.org/gpml/
- [3] 高斯过程:https://www.zhihu.com/question/46631426?sort=created
- [4] 高斯过程:http://www.360doc.com/content/17/0810/05/43535834_678049865.shtml
- [5] Brochu E, Cora V M, De Freitas N. A tutorial on Bayesian optimization of expensive cost functions, with application to active user modeling and hierarchical reinforcement learning[J]. arXiv preprint arXiv:1012.2599, 2010.
原文地址:https://www.cnblogs.com/yangruiGB2312/p/9374377.html