是否可以将多个管道组合到 Neuraxle 或 sklearn 中的单个估计器中以创建多输出分类器并一次性适应
Posted
技术标签:
【中文标题】是否可以将多个管道组合到 Neuraxle 或 sklearn 中的单个估计器中以创建多输出分类器并一次性适应【英文标题】:Is it possible to combine multiple pipeline into single estimator in Neuraxle or sklearn to create multi-output classifer and fit in one go 【发布时间】:2021-07-06 04:38:50 【问题描述】:我想创建多输出分类器。但是,我的问题是每个输出的正标签分布变化很大,例如对于输出 1,有 2% 的正标签,对于输出 2,有 20% 的正标签。因此,我想将每个输出的数据采样和模型拟合分离到多个流(多个子流水线)中,其中每个子流水线分别执行过采样,并且过采样和分类器的超参数也分别进行优化。
例如,假设我有
from sklearn.linear_model import LogisticRegression
from imblearn.over_sampling import SMOTE
from imblearn.pipeline import Pipeline
X = # some input features array here
y = np.array([[0,1],
[0,1],
[0,0],
[1,0],
[0,0]]) # unbalance label distribution
y_1 = y[:, 0]
y_2 = y[:, 1]
param_grid_shared = 'oversampler__sampling_strategy': [0.2, 0.4, 0.5], 'logit__C': [1, 0.1, 0.01]
pipeline_output_1 = Pipeline([('oversampler', SMOTE()), ('logit', LogisticRegression())])
grid_1 = GridSearchCV(pipeline_output_1, param_grid_shared)
grid_1.fit(X, y_1)
pipeline_output_2 = Pipeline([('oversampler', SMOTE()), ('logit', LogisticRegression())])
grid_2 = GridSearchCV(pipeline_output_2, param_grid_shared)
grid_2.fit(X, y_2)
我想将它们结合起来创建类似的东西
multi_pipe = Pipeline([(Something to separate X and y into multiple streams)
((pipe_1, pipeline_output_1),
(pipe_2, pipeline_output_2)), # 2 pipeline optimized separately
(Evaluate and select hyperparameters for each pipeline separately)
(Something to combine output from pipeline 1 and pipeline 2)
])
在 Neuraxle 或 Sklearn 中
MultiOutputClassifier 肯定不适合这种情况,我现在不太确定去哪里寻找解决方案。
【问题讨论】:
好问题!此处创建的问题:github.com/Neuraxio/Neuraxle/issues/473 一种解决方法是创建不同的数据采样器、不同的 AutoML 对象和指标,并使用两个不同的 AutoML 循环但使用相同的管道训练两个管道。数据采样器可以使用上下文服务中的数据存储(存储库)对多个输出进行不同的采样。尚未找到更好的解决方案。 我还添加了以下问题,这是以下答案中描述的另一个想法:github.com/Neuraxio/Neuraxle/issues/474 @GuillaumeChevalier 谢谢。现在我将解决这个问题,并希望有新功能。 【参考方案1】:我创建了一个issue,想法如下:
pipe_1_with_oversampler_1 = Pipeline([
Oversampler1().assert_has_services(DataRepository), Pipeline1()])
pipe_2_with_oversampler_2 = Pipeline([
Oversampler2().assert_has_services(DataRepository), Pipeline2()])
multi_pipe = Pipeline([
DataPreprocessingStep(),
# Evaluate and select hyperparameters for each pipeline separately, but within one run, using `multi_pipe.fit(...)`:
FeatureUnion([
AutoML(pipe_1_with_oversampler_1, **automl_args_1),
AutoML(pipe_2_with_oversampler_2, **automl_args_2)
]),
# And then combine output from pipeline 1 and pipeline 2 using feature union.
# Can do preprocessing and postprocessing as well.
PostprocessingStep(),
])
为此,可以将 AutoML 对象重构为常规步骤,因此可以代替一个步骤使用。
【讨论】:
以上是关于是否可以将多个管道组合到 Neuraxle 或 sklearn 中的单个估计器中以创建多输出分类器并一次性适应的主要内容,如果未能解决你的问题,请参考以下文章
如何最好地处理 Neuraxle 管道中的错误和/或丢失数据?