给定自定义模型，网格搜索返回完全相同的结果
Posted
技术标签:
【中文标题】给定自定义模型，网格搜索返回完全相同的结果【英文标题】：Grid Search Returns the Exactly Same Result Given a Custom Model 【发布时间】：2020-11-25 22:09:33 【问题描述】：我将 Scikit-Learn 随机森林模型包装在一个函数中，如下所示：
from sklearn.base import BaseEstimator, RegressorMixin
class Model(BaseEstimator, RegressorMixin):
def __init__(self, model):
self.model = model
def fit(self, X, y):
self.model.fit(X, y)
return self
def score(self, X, y):
from sklearn.metrics import mean_squared_error
return mean_squared_error(y_true=y,
y_pred=self.model.predict(X),
squared=False)
def predict(self, X):
return self.model.predict(X)
class RandomForest(Model):
def __init__(self, n_estimators=100,
max_depth=None, min_samples_split=2,
min_samples_leaf=1, max_features=None):
self.n_estimators=n_estimators
self.max_depth=max_depth
self.min_samples_split=min_samples_split
self.min_samples_leaf=min_samples_leaf
self.max_features=max_features
from sklearn.ensemble import RandomForestRegressor
self.model = RandomForestRegressor(n_estimators=self.n_estimators,
max_depth=self.max_depth,
min_samples_split=self.min_samples_split,
min_samples_leaf=self.min_samples_leaf,
max_features=self.max_features,
random_state = 777)
def get_params(self, deep=True):
return "n_estimators": self.n_estimators,
"max_depth": self.max_depth,
"min_samples_split": self.min_samples_split,
"min_samples_leaf": self.min_samples_leaf,
"max_features": self.max_features
def set_params(self, **parameters):
for parameter, value in parameters.items():
setattr(self, parameter, value)
return self
我主要遵循 Scikit-Learn 官方指南，可以在 https://scikit-learn.org/stable/developers/develop.html 找到
这是我的网格搜索的样子：
grid_search = GridSearchCV(estimator=RandomForest(),
param_grid='max_depth':[1, 3, 6], 'n_estimators':[10, 100, 300],
n_jobs=-1,
scoring='neg_root_mean_squared_error',
cv=5, verbose=True).fit(X, y)
print(pd.DataFrame(grid_search.cv_results_).sort_values(by='rank_test_score'))
网格搜索输出结果和grid_search.cv_results_打印在下面
Fitting 5 folds for each of 9 candidates, totalling 45 fits
[Parallel(n_jobs=-1)]: Using backend LokyBackend with 4 concurrent workers.
mean_fit_time std_fit_time mean_score_time std_score_time \
0 0.210918 0.002450 0.016754 0.000223
1 0.207049 0.001675 0.016579 0.000147
2 0.206495 0.002001 0.016598 0.000158
3 0.206799 0.002417 0.016740 0.000144
4 0.207534 0.001603 0.016668 0.000269
5 0.206384 0.001396 0.016605 0.000136
6 0.220052 0.024280 0.017247 0.001137
7 0.226838 0.027507 0.017351 0.000979
8 0.205738 0.003420 0.016246 0.000626
param_max_depth param_n_estimators params \
0 1 10 'max_depth': 1, 'n_estimators': 10
1 1 100 'max_depth': 1, 'n_estimators': 100
2 1 300 'max_depth': 1, 'n_estimators': 300
3 3 10 'max_depth': 3, 'n_estimators': 10
4 3 100 'max_depth': 3, 'n_estimators': 100
5 3 300 'max_depth': 3, 'n_estimators': 300
6 6 10 'max_depth': 6, 'n_estimators': 10
7 6 100 'max_depth': 6, 'n_estimators': 100
8 6 300 'max_depth': 6, 'n_estimators': 300
split0_test_score split1_test_score split2_test_score split3_test_score \
0 -5.246725 -3.200585 -3.326962 -3.209387
1 -5.246725 -3.200585 -3.326962 -3.209387
2 -5.246725 -3.200585 -3.326962 -3.209387
3 -5.246725 -3.200585 -3.326962 -3.209387
4 -5.246725 -3.200585 -3.326962 -3.209387
5 -5.246725 -3.200585 -3.326962 -3.209387
6 -5.246725 -3.200585 -3.326962 -3.209387
7 -5.246725 -3.200585 -3.326962 -3.209387
8 -5.246725 -3.200585 -3.326962 -3.209387
split4_test_score mean_test_score std_test_score rank_test_score
0 -2.911422 -3.579016 0.845021 1
1 -2.911422 -3.579016 0.845021 1
2 -2.911422 -3.579016 0.845021 1
3 -2.911422 -3.579016 0.845021 1
4 -2.911422 -3.579016 0.845021 1
5 -2.911422 -3.579016 0.845021 1
6 -2.911422 -3.579016 0.845021 1
7 -2.911422 -3.579016 0.845021 1
8 -2.911422 -3.579016 0.845021 1
[Parallel(n_jobs=-1)]: Done 45 out of 45 | elapsed: 3.2s finished
我的问题是，为什么网格搜索在所有数据拆分上返回完全相同的结果？
我的假设是，网格搜索似乎只对所有数据拆分执行 1 个参数网格（例如 'max_depth': 1, 'n_estimators': 10）。 如果是这样，为什么会这样？
最后，如何使网格搜索能够为所有数据拆分返回正确的结果？
【问题讨论】：
你的假设不成立；从cv_results_ 可以清楚地看出，所有超参数组合都已尝试过（这也是您有 9 个条目的原因） - 请参阅列 param_max_depth 和 param_n_estimators。没有您的数据就不可能再多说什么，但第一个调试步骤是在没有您的包装类的情况下运行它（即使用 scikit-learn 本机 RF）。
从你所展示的，我不明白你为什么不直接使用RandomForestRegressor；为什么需要这个包装类？
@desertnaut 如果我使用 scikit-learn 中的 RandomForestRegressor()，它工作得很好，这意味着它为所有数据拆分返回正确的结果
【参考方案1】：
您的set_params 方法实际上并未更改self.model 属性中RandomForestRegressor 实例的超参数。相反，它直接将属性设置为您的 RandomForest 实例（以前不存在，并且不会影响实际模型！）。所以网格搜索反复设置这些无关紧要的新参数，每次拟合的实际模型都是一样的。 （同样get_params方法获取RandomForest属性，与RandomForestRegressor属性不同。）
您应该能够通过让set_params 调用self.model.set_params 来解决大部分问题（并且让get_params 使用self.model.<parameter_name> 而不仅仅是self.<parameter_name>。
我认为还有另一个问题，但我根本不知道您的示例是如何运行的：您使用self.<parameter_name> 实例化了model 属性，但这从未在__init__ 中定义。
【讨论】：
非常感谢您的解决方案！是的，你是对的，我想我没有正确地将属性分配给包装器。关于 __init__() 中从未实例化的属性的另一个问题，我错过了将其粘贴到这篇文章中。我已经编辑了原始问题。谢谢你的评论！以上是关于给定自定义模型，网格搜索返回完全相同的结果的主要内容，如果未能解决你的问题，请参考以下文章