大家好，我是小寒
今天给大家分享机器学习中的一个关键知识点，超参数调优
超参数调优是机器学习中调整模型超参数以优化模型性能的过程。
超参数是用户在模型训练前需要手动设置的参数，与训练过程中通过算法自动调整的参数（如神经网络中的权重）不同。这些超参数直接控制着训练过程和模型的行为，例如学习率、隐藏层的数量、隐藏层的节点数等。超参数的选择对模型的表现至关重要。
超参数调优的目的是找到一组最佳的超参数，使模型在验证集上表现良好，能够实现良好的泛化能力（即在新数据上具有较好的性能），同时避免过拟合或欠拟合。
图片
超参数调优的重要性
- 性能优化合适的超参数可以显著提高模型的准确性、召回率等性能指标。
- 控制过拟合和欠拟合超参数调节可以控制模型复杂度，降低过拟合和欠拟合的风险。
- 训练效率调整超参数（如学习率、批量大小）可以提高训练速度并稳定收敛。
常见超参数调优方法
网格搜索
网格搜索是一种系统地搜索超参数空间的方法，它通过穷举搜索遍历所有可能的超参数组合。
对于每组超参数，模型在训练集上训练并在验证集上评估性能，从而找到最佳组合。
图片
步骤：
- 定义超参数及其可能取值范围（通常是离散的值）。
- 生成所有可能的超参数组合。
- 逐一训练模型并在验证集上进行评估。
- 选择使模型性能最优的超参数组合。
优点：
- 简单易实现。
- 对于搜索空间较小的问题能找到全局最优解。
缺点：
- 计算复杂度高，随着超参数的维度和可能取值数量增加，搜索空间呈指数级增长。
- 低效：如果某些超参数的作用较小或对模型性能影响不大，依然会浪费大量计算资源。
案例：
假设有一个分类模型，其超参数有：
- learning_rate: [0.001, 0.01, 0.1]
- max_depth: [3, 5, 7]
网格搜索将会尝试以下组合：
复制(0.001, 3), (0.001, 5), (0.001, 7),
(0.01, 3), (0.01, 5), (0.01, 7),
(0.1, 3), (0.1, 5), (0.1, 7)一共 3 × 3 = 9 次训练。
随机搜索
随机搜索是一种随机采样超参数空间的方法，它从所有可能的超参数组合中随机选择一定数量的组合进行尝试，而不是穷尽所有可能性。
图片
步骤：
- 定义超参数的分布范围。
- 随机采样一定数量的超参数组合。
- 逐一训练模型并在验证集上进行评估。
- 选择使模型性能最优的超参数组合。
优点：
- 计算效率高，通过减少搜索空间中的点，显著降低计算成本。
- 效果较好，相比网格搜索，随机搜索在高维空间中更有可能找到接近最优的解。
缺点：
- 没有系统性，不保证找到全局最优解。
- 需要事先定义采样数量。
案例：
假设超参数空间与上述网格搜索相同，但随机搜索仅采样 5 组超参数组合，例如：
复制(0.001, 7), (0.01, 5), (0.1, 3), (0.001, 5), (0.01, 3)相比网格搜索的 9 次训练，这里仅训练 5 次。
示例代码
以下是使用 Python 实现网格搜索和随机搜索的示例代码。
复制from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV, RandomizedSearchCV
from sklearn.datasets import make_classification
X, y = make_classification(n_samples=1000, n_features=20, random_state=42)
model = RandomForestClassifier(random_state=42)
param_grid = {
'n_estimators': [10, 50, 100],
'max_depth': [5, 10, 15],
'min_samples_split': [2, 5, 10]
}
# 网格搜索
grid_search = GridSearchCV(estimator=model, param_grid=param_grid, cv=3, scoring='accuracy')
grid_search.fit(X, y)
print("Best parameters (Grid Search):", grid_search.best_params_)
from scipy.stats import randint
param_dist = {
'n_estimators': randint(10, 200),
'max_depth': randint(5, 50),
'min_samples_split': randint(2, 20)
}
# 随机搜索
random_search = RandomizedSearchCV(estimator=model, param_distributinotallow=param_dist, n_iter=10, cv=3, scoring='accuracy', random_state=42)
random_search.fit(X, y)
print("Best parameters (Random Search):", random_search.best_params_)
