贝叶斯优化应用于 CatBoost

Question

这是我在CatBoost中应用BayesSearch的尝试：

from catboost import CatBoostClassifier
from skopt import BayesSearchCV
from sklearn.model_selection import StratifiedKFold

# Classifier
bayes_cv_tuner = BayesSearchCV(
estimator = CatBoostClassifier(
silent=True
),
search_spaces = {
'depth':(2,16),
'l2_leaf_reg':(1, 500),
'bagging_temperature':(1e-9, 1000, 'log-uniform'),
'border_count':(1,255),
'rsm':(0.01, 1.0, 'uniform'),
'random_strength':(1e-9, 10, 'log-uniform'),
'scale_pos_weight':(0.01, 1.0, 'uniform'),
},
scoring = 'roc_auc',
cv = StratifiedKFold(
n_splits=2,
shuffle=True,
random_state=72
),
n_jobs = 1,
n_iter = 100,
verbose = 1,
refit = True,
random_state = 72
)

跟踪结果：

def status_print(optim_result):
"""Status callback durring bayesian hyperparameter search"""
# Get all the models tested so far in DataFrame format
all_models = pd.DataFrame(bayes_cv_tuner.cv_results_)    
# Get current parameters and the best parameters    
best_params = pd.Series(bayes_cv_tuner.best_params_)
print('Model #{}nBest ROC-AUC: {}nBest params: {}n'.format(
len(all_models),
np.round(bayes_cv_tuner.best_score_, 4),
bayes_cv_tuner.best_params_
))

适合贝叶斯CV

resultCAT = bayes_cv_tuner.fit(X_train, y_train, callback=status_print)

结果

前 3 次迭代工作正常，但随后我得到一个不间断的字符串：

Iteration with suspicious time 7.55 sec ignored in overall statistics.
Iteration with suspicious time 739 sec ignored in overall statistics.

(...

关于我哪里出错了/我该如何改进的任何想法？

敬礼，

Answer 1

skopt 正在安排的一组实验中的一个迭代实际上需要很长时间才能完成，具体取决于 CatBoost 迄今为止记录的时间。

如果您通过设置分类器的详细程度来探索何时发生这种情况，并使用回调来探索 skopt 正在探索的参数组合，您可能会发现罪魁祸首很可能是深度参数：当 CatBoost 尝试测试更深的树时，Skopt 会变慢。

您也可以尝试使用此自定义回调进行调试：

counter = 0
def onstep(res):
global counter
args = res.x
x0 = res.x_iters
y0 = res.func_vals
print('Last eval: ', x0[-1], 
' - Score ', y0[-1])
print('Current iter: ', counter, 
' - Score ', res.fun, 
' - Args: ', args)
joblib.dump((x0, y0), 'checkpoint.pkl')
counter = counter+1

您可以通过以下方式调用它：

resultCAT = bayes_cv_tuner.fit(X_train, y_train, callback=[onstep, status_print])

实际上，我在实验中注意到了与您相同的问题，随着深度的增加，复杂性以非线性方式增加，因此CatBoost需要更长的时间才能完成其迭代。一个简单的解决方案是尝试搜索更简单的空间：

'depth':(2, 8)

通常深度 8就足够了，无论如何，您可以先以最大深度等于 8 运行 skopt，然后通过增加最大值来重新迭代。