代码之家 › 专栏 › 技术社区 › Make42

使插入符号的泛型功能选择更快

r-caret genetic-algorithm r

Make42 · 技术社区 · 6 年前

我试图通过使用特征选择和插入符号的遗传算法来优化一个xgboost树。

results <- gafs(iris[,1:4], iris[,5],
               iters = 2,
               method = "xgbTree",
               metric = "Accuracy",
               gafsControl = gafsControl(functions=caretGA, method="cv", repeats=2, verbose = TRUE),
               trConrol = trainControl(method = "cv", classProbs = TRUE, verboseIter = TRUE)
               )

尽管我只是在使用 iters = 2 而不是 iters = 200 这更合适。我该怎么做才能让这个更快?

1 回复 | 直到 6 年前

makeyourownmaker 6 年前

下面是一个将 gafs() 函数使用 doParallel 打包并修改一些其他参数以使其更快。在可能的情况下,我包括运行时间。

原始代码正在使用交叉验证( method = "cv" )不重复交叉验证( method = "repeatedcv" )所以我相信 repeats = 2 参数被忽略。我没有在并行示例中包含这个选项。

弗斯特 ,在不进行任何修改或并行化的情况下使用原始代码:

> library(caret)
> data(iris)

> set.seed(1)
> st.01 <- system.time(results.01 <- gafs(iris[,1:4], iris[,5],
                                          iters  = 2, 
                                          method = "xgbTree", 
                                          metric = "Accuracy",
                                          gafsControl = gafsControl(functions = caretGA, 
                                                                    method  = "cv", 
                                                                    repeats = 2, 
                                                                    verbose = TRUE),
                                          trConrol = trainControl(method = "cv", 
                                                                  classProbs  = TRUE, 
                                                                  verboseIter = TRUE)))

Fold01 1 0.9596575 (1)
Fold01 2 0.9596575->0.9667641 (1->1, 100.0%) *
Fold02 1 0.9598146 (1)
Fold02 2 0.9598146->0.9641482 (1->1, 100.0%) *
Fold03 1 0.9502661 (1)

我昨晚(8到10个小时)运行了上述代码,但由于运行时间太长而停止运行。运行时间的粗略估计至少为24小时。

第二 ,包括减少 popSize 参数(从50到20) allowParallel 和 genParallel 选项到 gafsControl() 最后减少 number 两个区域的折叠(从10到5) GAFS控件() 和 trControl() :

> library(doParallel)
> cl <- makePSOCKcluster(detectCores() - 1)
> registerDoParallel(cl)

> set.seed(1)
> st.09 <- system.time(results.09 <- gafs(iris[,1:4], iris[,5],
                                          iters   = 2, 
                                          popSize = 20, 
                                          method  = "xgbTree", 
                                          metric  = "Accuracy",
                                          gafsControl = gafsControl(functions = caretGA, 
                                                                    method    = "cv", 
                                                                    number    = 5, 
                                                                    verbose   = TRUE, 
                                                                    allowParallel = TRUE, 
                                                                    genParallel   = TRUE),
                                          trConrol = trainControl(method      = "cv", 
                                                                  number      = 5, 
                                                                  classProbs  = TRUE, 
                                                                  verboseIter = TRUE)))

 final GA
 1 0.9508099 (4)
 2 0.9508099->0.9561501 (4->1, 25.0%) *
 final model
> st.09
   user   system  elapsed
   3.536    0.173 4152.988

我的系统有4个核心,但按规定它只使用3个,我验证了它运行的是3R进程。

这个 GAFS控件() 文档描述 允许并行 和 基因平行 像这样:

允许并行 :如果并行后端已加载并可用, 函数应该使用它吗?
基因平行 :如果并行后端已加载并可用,则应该 “gafs”使用it tp在重新取样中的一代人?

插入符号文档建议 允许并行 选项将比 基因平行 选项: https://topepo.github.io/caret/feature-selection-using-genetic-algorithms.html

与原始代码相比,我希望并行代码的结果至少稍有不同。以下是并行代码的结果:

> results.09

Genetic Algorithm Feature Selection

150 samples
4 predictors
3 classes: 'setosa', 'versicolor', 'virginica'

Maximum generations: 2
Population per generation: 20
Crossover probability: 0.8
Mutation probability: 0.1
Elitism: 0

Internal performance values: Accuracy, Kappa
Subset selection driven to maximize internal Accuracy

External performance values: Accuracy, Kappa
Best iteration chose by maximizing external Accuracy
External resampling method: Cross-Validated (5 fold)

During resampling:
  * the top 4 selected variables (out of a possible 4):
    Petal.Width (80%), Petal.Length (40%), Sepal.Length (20%), Sepal.Width (20%)
  * on average, 1.6 variables were selected (min = 1, max = 4)

In the final search using the entire training set:
   * 4 features selected at iteration 1 including:
     Sepal.Length, Sepal.Width, Petal.Length, Petal.Width
   * external performance at this iteration is

   Accuracy       Kappa
     0.9467      0.9200