自动化调参NNI学习(三)：使用python启动NNI框架调整随机森林(RandomForest)模型

首先按照NNI框架的要求写一个调参的代码文件my_rf.py：

import nni
from sklearn.model_selection import train_test_split
import logging
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classificationLOG = logging.getLogger('sklearn_classification')def load_data():  # 加载生成的数据gen_x, gen_y = make_classification(n_samples=10000, n_informative=10, n_classes=5)x_train, x_test, y_train, y_test = train_test_split(gen_x, gen_y, random_state=0, test_size=.25)return x_train, x_test, y_train, y_testdef get_model(PARAMS):'''Get model according to parameters'''model = RandomForestClassifier()model.n_estimators = PARAMS.get('n_estimators')model.min_samples_split = PARAMS.get('min_samples_split')return modeldef run(X_train, X_test, y_train, y_test, model):'''Train model and predict result'''model.fit(X_train, y_train)score = model.score(X_test, y_test)LOG.debug('score: %s', score)nni.report_final_result(score)if __name__ == '__main__':X_train, X_test, y_train, y_test = load_data()try:# get parameters from tunerRECEIVED_PARAMS = nni.get_next_parameter()LOG.debug(RECEIVED_PARAMS)PARAMS = {'n_estimators': 10,'min_samples_split': 10,}PARAMS.update(RECEIVED_PARAMS)LOG.debug(PARAMS)model = get_model(PARAMS)run(X_train, X_test, y_train, y_test, model)except Exception as exception:LOG.exception(exception)

然后使用python去启动它：

原本需要写的search_space.json就直接写在代码中
运行环境config.yml文件中的配置就也直接写在代码中

由此得到的python代码是：

from nni.experiment import Experimentsearch_space = {"n_estimators": {"_type": "randint", "_value": [10, 250]},"min_samples_split": {"_type": "randint", "_value": [2, 25]}
} # 这里配置调参的范围experiment = Experiment('local')
experiment.config.experiment_name = 'my rf example'
experiment.config.trial_concurrency = 2  # 同时进行的数量
experiment.config.max_trial_number = 10  # 最大案例
experiment.config.search_space = search_space
experiment.config.trial_command = 'python my_rf.py'
# experiment.config.trial_code_directory = Path(__file__).parent
experiment.config.tuner.name = 'TPE'
experiment.config.tuner.class_args['optimize_mode'] = 'maximize'
experiment.config.training_service.use_active_gpu = Trueexperiment.run(port=12345) # 本地的端口
experiment.get_status()
experiment.export_data()
experiment.get_job_metrics()

更多使用python启动NNI的细节设置可以参考：https://nni.readthedocs.io/en/stable/Tutorial/HowToLaunchFromPython.html

自动化调参NNI学习(三)：使用python启动NNI框架调整随机森林(RandomForest)模型相关推荐

Python数据挖掘项目：构建随机森林算法模型预测分析泰坦尼克号幸存者数据
作者CSDN:进击的西西弗斯本文链接:https://blog.csdn.net/qq_42216093/article/details/120196972 版权声明:本文为作者原创文章,未经作者同 ...
机器学习狗太苦逼了！自动化调参哪家强？
机器学习狗太苦逼了!自动化调参哪家强? https://mp.weixin.qq.com/s/gqN0fDIJBoxyAxYaC2dI-w 作者|Facundo Santiago译者|李志编辑|Deb ...
云计算Python自动化运维开发实战三、python文件类型
为什么80%的码农都做不了架构师?>>> 云计算Python自动化运维开发实战三.python文件类型导语: python常用的有3种文件类型 1. 源代码 py ...
python爬虫正则表达式实例-python爬虫学习三：python正则表达式
python爬虫学习三:python正则表达式 1.正则表达式基础 a.正则表达式的大致匹配过程: 1.依次拿出表达式和文本中的字符比较 2.如果每一个字符都能匹配,则匹配成功:一旦有匹配不成功的字符 ...
数学建模_随机森林分类模型详解Python代码
数学建模_随机森林分类模型详解Python代码随机森林需要调整的参数有: (1) 决策树的个数 (2) 特征属性的个数 (3) 递归次数(即决策树的深度)''' from numpy import ...
集成学习、Bagging算法、Bagging+Pasting、随机森林、极端随机树集成（Extra-trees）、特征重要度、包外评估
集成学习.Bagging算法.Bagging+Pasting.随机森林.极端随机树集成(Extra-trees).特征重要度.包外评估目录
Python电影观众数量回归分析随机森林可视化实验报告
实验代码:Python电影观众数量回归分析随机森林可视化-数据挖掘文档类资源-CSDN文库前言随着经济的发展和人民日益增长的美好生活需要的显著提升,看电影成为了人民群众在闲暇时光娱乐的重要途径.面 ...
Python实现GWO智能灰狼优化算法优化随机森林分类模型(RandomForestClassifier算法)项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景灰狼优化算法(GWO),由澳大利亚格里菲斯大学学者 Mirjal ...
Python实现贝叶斯优化器(Bayes_opt)优化随机森林回归模型(RandomForestRegressor算法)项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景贝叶斯优化器 (BayesianOptimization) 是一 ...

自动化调参NNI学习(三)：使用python启动NNI框架调整随机森林(RandomForest)模型

自动化调参NNI学习(三)：使用python启动NNI框架调整随机森林(RandomForest)模型相关推荐

最新文章

热门文章