1  超参数优化

调参即超参数优化，是指从超参数空间中选择一组合适的超参数，以权衡好模型的偏差(bias)和方差(variance)，从而提高模型效果及性能。常用的调参方法有：

• 人工手动调参
• 网格/随机搜索(Grid / Random Search)
• 贝叶斯优化(Bayesian Optimization)

注：超参数 vs 模型参数差异 超参数是控制模型学习过程的(如网络层数、学习率)；模型参数是通过模型训练学习后得到的（如网络最终学习到的权重值）。

2  人工调参

手动调参需要结合数据情况及算法的理解，选择合适调参的优先顺序及参数的经验值。

不同模型手动调参思路会有差异，如随机森林是一种bagging集成的方法，参数主要有n_estimators（子树的数量）、max_depth（树的最大生长深度）、max_leaf_nodes（最大叶节点数）等。(此外其他参数不展开说明) 对于n_estimators：通常越大效果越好。参数越大，则参与决策的子树越多，可以消除子树间的随机误差且增加预测的准度，以此降低方差与偏差。对于max_depth或max_leaf_nodes：通常对效果是先增后减的。取值越大则子树复杂度越高，偏差越低但方差越大。

3 网格/随机搜索

• 网格搜索（grid search），是超参数优化的传统方法，是对超参数组合的子集进行穷举搜索，找到表现最佳的超参数子集。
• 随机搜索（random search），是对超参数组合的子集简单地做固定次数的随机搜索，找到表现最佳的超参数子集。对于规模较大的参数空间，采用随机搜索往往效率更高。

import numpy as np
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import RandomizedSearchCV
from sklearn.ensemble import RandomForestClassifier

# 选择模型 
model = RandomForestClassifier()
# 参数搜索空间
param_grid = {
    \'max_depth\': np.arange(1, 20, 1),
    \'n_estimators\': np.arange(1, 50, 10),
    \'max_leaf_nodes\': np.arange(2, 100, 10)

}
# 网格搜索模型参数
grid_search = GridSearchCV(model, param_grid, cv=5, scoring=\'f1_micro\')
grid_search.fit(x, y)
print(grid_search.best_params_)
print(grid_search.best_score_)
print(grid_search.best_estimator_)
# 随机搜索模型参数
rd_search = RandomizedSearchCV(model, param_grid, n_iter=200, cv=5, scoring=\'f1_micro\')
rd_search.fit(x, y)
print(rd_search.best_params_)
print(rd_search.best_score_)
print(rd_search.best_estimator_)

4 贝叶斯优化

贝叶斯优化(Bayesian Optimization) 与网格/随机搜索最大的不同，在于考虑了历史调参的信息，使得调参更有效率。（但在高维参数空间下，贝叶斯优化复杂度较高，效果会近似随机搜索。）

4.1 算法简介

贝叶斯优化思想简单可归纳为两部分:

• 高斯过程（GP）：以历史的调参信息（Observation）去学习目标函数的后验分布（Target）的过程。

• 采集函数(AC)：由学习的目标函数进行采样评估，分为两种过程：1、开采过程：在最可能出现全局最优解的参数区域进行采样评估。2、勘探过程：兼顾不确定性大的参数区域的采样评估，避免陷入局部最优。

4.2 算法流程

for循环n次迭代：
    采集函数依据学习的目标函数(或初始化)给出下个开采极值点 Xn+1;
    评估超参数Xn+1得到表现Yn+1;
    加入新的Xn+1、Yn+1数据样本，并更新高斯过程模型；

\"\"\"
随机森林分类Iris使用贝叶斯优化调参
\"\"\"
import numpy as np
from hyperopt import hp, tpe, Trials, STATUS_OK, Trials, anneal
from functools import partial
from hyperopt.fmin import fmin
from sklearn.metrics import f1_score
from sklearn.ensemble import RandomForestClassifier

def model_metrics(model, x, y):
    \"\"\" 评估指标 \"\"\"
    yhat = model.predict(x)
    return  f1_score(y, yhat,average=\'micro\')

def bayes_fmin(train_x, test_x, train_y, test_y, eval_iters=50):
    \"\"\"
    bayes优化超参数
    eval_iters：迭代次数
    \"\"\"
    
    def factory(params):
        \"\"\"
        定义优化的目标函数
        \"\"\"
        fit_params = {
            \'max_depth\':int(params[\'max_depth\']),
            \'n_estimators\':int(params[\'n_estimators\']),
            \'max_leaf_nodes\': int(params[\'max_leaf_nodes\'])
            }
        # 选择模型
        model = RandomForestClassifier(**fit_params)
        model.fit(train_x, train_y)
        # 最小化测试集（- f1score）为目标
        train_metric = model_metrics(model, train_x, train_y)
        test_metric = model_metrics(model, test_x, test_y)
        loss = - test_metric
        return {\"loss\": loss, \"status\":STATUS_OK}

    # 参数空间
    space = {
        \'max_depth\': hp.quniform(\'max_depth\', 1, 20, 1),
        \'n_estimators\': hp.quniform(\'n_estimators\', 2, 50, 1), 
        \'max_leaf_nodes\': hp.quniform(\'max_leaf_nodes\', 2, 100, 1)
            }
    # bayes优化搜索参数
    best_params = fmin(factory, space, algo=partial(anneal.suggest,), max_evals=eval_iters, trials=Trials(),return_argmin=True)
    # 参数转为整型
    best_params[\"max_depth\"] = int(best_params[\"max_depth\"])
    best_params[\"max_leaf_nodes\"] = int(best_params[\"max_leaf_nodes\"])
    best_params[\"n_estimators\"] = int(best_params[\"n_estimators\"])
    return best_params

#  搜索最优参数
best_params = bayes_fmin(train_x, test_x, train_y, test_y, 100)
print(best_params)