Udostępnij za pośrednictwem

HiperParameterTuning - walka z rakiem piersi

W tym samouczku pokazano, jak używać usługi SynapseML do identyfikowania najlepszej kombinacji hiperparametrów dla wybranych klasyfikatorów w celu tworzenia bardziej dokładnych i niezawodnych modeli. W tym samouczku pokazano, jak przeprowadzić rozproszone losowe przeszukiwanie siatki w celu dostrojenia hiperparametrów do utworzenia modelu identyfikującego raka piersi.

Konfigurowanie zależności

Zaimportuj moduł pandas i utwórz sesję Spark.

import pandas as pd
from pyspark.sql import SparkSession

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

Odczytywanie danych i dzielenie ich 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]

Znajdowanie najlepszego modelu przy użyciu rozwiązania AutoML

Zaimportuj klasy AutoML usługi SynapseML z synapse.ml.automl. Określ hiperparametry za pomocą polecenia HyperparamBuilder. Dodaj albo DiscreteHyperParam albo RangeHyperParam hiperparametry. TuneHyperparameters losowo wybiera 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)

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)

Ocena modelu

Wyświetl parametry najlepszego modelu i pobierz przepływ danych najlepszego modelu.

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

Ocenianie zestawu testowego i przeglądanie metryk.

from synapse.ml.train import ComputeModelStatistics

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

Powiązana zawartość