集成學習lgb庫調參的粒子羣方法

粒子羣算法是模擬鳥羣蜂羣的覓食行爲的一種算法。基本思想是經過羣體中個體之間的協做和信息共享來尋找最優解。試着想一下一羣鳥在尋找食物，在這個區域中只有一隻蟲子，全部的鳥都不知道食物在哪。可是它們知道本身的當前位置距離食物有多遠，同時它們知道離食物最近的鳥的位置。想一下這時候會發生什麼？

鳥A：哈哈哈原來蟲子離我最近！
鳥B,C,D：我得趕忙往 A 那裏過去看看！
同時各只鳥在位置不停變化時候離食物的距離也不斷變化，因此必定有過離食物最近的位置，這也是它們的一個參考。鳥某某：我剛剛的位置好像靠近了食物，我得往那裏靠近！

公式請自行百度 知乎

具體代碼流程以下：

本文主要描述如何用粒子羣方法搜索到一個適合lgb的參數
調整參數通常的步驟以下：

*設定基礎參數{parm0}，基礎評判指標{metrics0}；

在訓練集上作cross-validation，作訓練集/交叉驗證集上誤差/方差與樹棵樹的關係圖；

判斷模型是過擬合 or 欠擬合，更新相應參數{parm1}；

重複二、3步，肯定樹的棵樹nestimators；

採用參數{parm1}、nestimators，訓練模型，並應用到測試集；
最好損失函數的評估部分要隨機對原數據取樣 用一半數據 去訓練 而後預測另一半數據 使參數向方差變小的方向移動*

先要定一個損失函數：

def gini_coef(wealths):
    cum_wealths = np.cumsum(sorted(np.append(wealths, 0)))
    sum_wealths = cum_wealths[-1]
    xarray = np.array(range(0, len(cum_wealths))) / np.float(len(cum_wealths)-1)
    yarray = cum_wealths / sum_wealths
    B = np.trapz(yarray, x=xarray)
    A = 0.5 - B
    return A / (A+B)

固然也能夠傳入訓練數據的標籤值 和預測值作協方差 這裏採用基尼係數做爲損失函數

定義一個評估函數：用於評估該參數版本的效果如何：

def evaluate(train1 , feature_use,parent):
    np.set_printoptions(suppress=True)
    print("*************************************")
    print(parent)
    model_lgb = lgb.LGBMRegressor(objective='regression',
                                  min_sum_hessian_in_leaf=parent[0],
                                  learning_rate=parent[1],
                                  bagging_fraction=parent[2],
                                  feature_fraction=parent[3],
                                  num_leaves=int(parent[4]),
                                  n_estimators=int(parent[5]),
                                  max_bin=int(parent[6]),
                                  bagging_freq=int(parent[7]),
                                  feature_fraction_seed=int(parent[8]),
                                  min_data_in_leaf=int(parent[9]),
                                  is_unbalance = True
                                  )
    targetme = train1['target']

    X_train, X_test, y_train, y_test = train_test_split(train1[feature_use] , targetme, test_size=0.5)

    model_lgb.fit(X_train.fillna(-1), y_train)
    y_pred = model_lgb.predict(X_test.fillna(-1))
    return gini_coef(y_pred)

參數初始化代碼：

## 參數初始化
# 粒子羣算法中的兩個參數
c1 = 1.49445
c2 = 1.49445
maxgen= 50  # 進化次數
sizepop= 100  # 種羣規模

Vmax1=0.1
Vmin1=-0.1

## 產生初始粒子和速度
pop=[]
V = []
fitness =[]
for i in range(sizepop):
    # 隨機產生一個種羣
    temp_pop =[]
    temp_v = []

    min_sum_hessian_in_leaf = random.random()
    temp_pop.append(min_sum_hessian_in_leaf)
    temp_v.append(random.random())

    learning_rate = random.uniform(0.001,0.2)
    temp_pop.append(learning_rate)
    temp_v.append(random.random())

    bagging_fraction = random.uniform(0.5,1)
    temp_pop.append(bagging_fraction)
    temp_v.append(random.random())

    feature_fraction = random.uniform(0.3,1)
    temp_pop.append(feature_fraction)
    temp_v.append(random.random())

    num_leaves = random.randint(3,100)
    temp_pop.append(num_leaves)
    temp_v.append(random.randint(-3,3))

    n_estimators = random.randint(800,1200)
    temp_pop.append(n_estimators)
    temp_v.append(random.randint(-3,3))

    max_bin = random.randint(100,500)
    temp_pop.append(max_bin)
    temp_v.append(random.randint(-3,3))

    bagging_freq = random.randint(1,10)
    temp_pop.append(bagging_freq)
    temp_v.append(random.randint(-3,3))

    feature_fraction_seed = random.randint(1,10)
    temp_pop.append(feature_fraction_seed)
    temp_v.append(random.randint(-3,3))

    min_data_in_leaf = random.randint(1,20)
    temp_pop.append(min_data_in_leaf)
    temp_v.append(random.randint(-3,3))

    pop.append(temp_pop) # 初始種羣
    V.append(temp_v) # 初始化速度
    # 計算適應度
    fitness.append(evaluate(train1,feature_use ,temp_pop))  # 染色體的適應度  end

pop = np.array(pop)
V = np.array(V)

# 個體極值和羣體極值
bestfitness =min(fitness)
bestIndex = fitness.index(bestfitness)
zbest=pop[bestIndex,:]   #全局最佳
gbest=pop               #個體最佳
fitnessgbest=fitness   #個體最佳適應度值
fitnesszbest=bestfitness   #全局最佳適應度值

開始迭代尋優：

count = 0
## 迭代尋優
for i in range(maxgen):
    for j in range(sizepop):
        count = count + 1
        print(count)
        # 速度更新
        V[j,:] = V[j,:] + c1 * random.random() * (gbest[j,:] - pop[j,:]) + c2 * random.random() * (zbest - pop[j,:])
        if(V[j,0]<-0.1):
            V[j,0]=-0.1
        if(V[j,0]>0.1):
            V[j,0]=0.1
        if(V[j,1]<-0.02):
            V[j,1]=-0.02
        if(V[j,1]>0.02):
            V[j,1]=0.02
        if(V[j,2]<-0.1):
            V[j,2]=-0.1
        if(V[j,2]>0.1):
            V[j,2]=0.1
        if(V[j,3]<-0.1):
            V[j,3]=-0.1
        if(V[j,3]>0.1):
            V[j,3]=0.1
        if(V[j,4]<-2):
            V[j,4]=-2
        if(V[j,4]>2):
            V[j,4]=2
        if(V[j,5]<-10):
            V[j,5]=-10
        if(V[j,5]>10):
            V[j,5]=10
        if(V[j,6]<-5):
            V[j,6]=-5
        if(V[j,6]>5):
            V[j,6]=5
        if(V[j,7]<-1):
            V[j,7]=-1
        if(V[j,7]>1):
            V[j,7]=1
        if(V[j,8]<-1):
            V[j,8]=-1
        if(V[j,8]>1):
            V[j,8]=1
        if(V[j,9]<-1):
            V[j,9]=-1
        if(V[j,9]>1):
            V[j,9]=1

        pop[j,:]=pop[j,:]+0.5*V[j,:]

        if(pop[j,0]<0):
            pop[j,0]=0.001
        if (pop[j, 0] > 1):
            pop[j, 0] = 0.9

        if (pop[j, 1] < 0):
            pop[j, 1] = 0.001
        if (pop[j, 1] > 0.2):
            pop[j, 1] = 0.2

        if (pop[j, 2] < 0.5):
            pop[j, 2] = 0.5
        if (pop[j, 2] > 1):
            pop[j, 2] = 1

        if (pop[j, 3] < 0.3):
            pop[j, 3] = 0.3
        if (pop[j, 3] > 1):
            pop[j, 3] = 1

        if (pop[j, 4] < 3):
            pop[j, 4] =3
        if (pop[j, 4] > 100):
            pop[j, 4] = 100

        if (pop[j, 5] < 800):
            pop[j, 5] = 800
        if (pop[j, 5] > 1200):
            pop[j, 5] = 1200

        if (pop[j, 6] < 100):
            pop[j, 6] = 100
        if (pop[j, 6] > 500):
            pop[j, 6] = 500

        if (pop[j, 7] < 1):
            pop[j, 7] = 1
        if (pop[j, 7] > 10):
            pop[j, 7] = 10

        if (pop[j, 8] < 1):
            pop[j, 8] = 1
        if (pop[j, 8] > 10):
            pop[j, 8] = 10

        if (pop[j, 9] < 1):
            pop[j, 9] = 1
        if (pop[j, 9] > 20):
            pop[j, 9] = 20
        fitness[j] = evaluate(train1,feature_use,pop[j,:])

    for k in range(1,sizepop):
        if(fitness[k] > fitnessgbest[k]):
            gbest[k,:] = pop[k,:]
            fitnessgbest[k] = fitness[k]

        #羣體最優更新
        if fitness[k] > fitnesszbest:
            zbest = pop[k,:]
            fitnesszbest = fitness[k]

載入參數進行預測：

# 採用lgb迴歸預測模型，具體參數設置以下
model_lgb = lgb.LGBMRegressor(objective='regression',
                              min_sum_hessian_in_leaf=zbest[0],
                              learning_rate=zbest[1],
                              bagging_fraction=zbest[2],
                              feature_fraction=zbest[3],
                              num_leaves=int(zbest[4]),
                              n_estimators=int(zbest[5]),
                              max_bin=int(zbest[6]),
                              bagging_freq=int(zbest[7]),
                              feature_fraction_seed=int(zbest[8]),
                              min_data_in_leaf=int(zbest[9]),
                              is_unbalance=True)
targetme=train1['target']

model_lgb.fit(train1[feature_use].fillna(-1), train1['target'])
y_pred = model_lgb.predict(test1[feature_use].fillna(-1))
print("lgb success")

上文中的 train是 pandas中的dataframe類型，下圖爲這個代碼運行起來的狀況

有技術交流的能夠掃描如下