smac源码分析(1):初探smac

源码分析(1):初探smac"/>

smac源码分析(1):初探smac

smac的应用：auto-sklearn

SMAC(Sequential Model-based Algorithm Configuration)，即基于序列模型的算法配置，被广泛应用在各个自动机器学习框架上，如微软的nni（），auto-sklearn等。其中auto-sklearn的超参搜索模块完全由smac算法构建。要想理解auto-sklearn，首先就要理解smac 。

下面介绍smac的应用场景：AutoML，应用主体：auto-sklearn

随着最近人工智能技术的大热，机器学习、深度学习逐渐进入了人们的视野，在各种工具(如Tensorflow，sklearn)开源的加持下，机器学习技术逐渐有普及化、全民化的趋势。但是，以普通的表格数据（行为样本点，列为特征）为例，要找到一个表现最好的Pipeline（即从数据处理，特征处理，最后到estimator判别），需要花费人们大量的时间去尝试。一般来说，数据科学家需要获取数据的一些基本统计量，做一些图表来判断数据的模式，再根据自己的经验挑选数据处理，特征处理的方法，最后选择一个estimator（在分类任务中为分类器classifier，在回归任务中为回归器regressor）。可是这个过程一个是耗时，还有更加依赖数据科学家的经验，提升了机器学习的门槛。

人们注意到了这一矛盾，提出了自动机器学习（AutoML）的概念。在2015年一个AutoML框架auto-sklearn横空出世，引来人们争相关注：

auto-sklearn架构

• auto-sklearn论文与代码

paper	.pdf
code

最近笔者在调研AutoML，于是对auto-sklearn进行了调研。笔者发现，auto-sklearn是用automl团队（）编写，这个团队在构建这个自动机器学习框架时使用了大量自己开发的库，库与库之间功能内聚，相互隔离，调用关系为一个有向无环图：

橙色字体标记的smac就是我们今天的主角。在分析清楚auto-sklearn的项目架构后，我下载了smac的源代码()，开始对其进行分析。

在AutoML系统中，最为关键的就是根据当前的多组超参数组合（如svm核函数的选择，惩罚系数C的选择）与模型表现（如分类任务中的准确率），给出一个在当前条件下预计最优的超参数，这就是贝叶斯优化（Bayesian Optimizer）。与网格搜索与随机搜索不同，贝叶斯优化能在更短的时间内找到更好的超参数。

来源： borgwang.github.io
目前应用最广的是SMBO（Sequential Model-Based Optimazation），即基于模型的序列优化。目前有三种常见的SMBO算法：基于高斯过程回归的序列超参优化、基于随机森林算法代理的序列超参优化（即 smac）,基于TPE算法代理的序列超参优化。

smac 快速上手

在终端中执行以下命令，开启第一个例子

git clone  
cd SMAC3 && pip install .
cd examples
python SMAC4HPO_svm.py

让我们看到SMAC4HPO_svm.py这个样例代码。
首先定义了一个输入为cfg（超参配置），输出为模型表现的函数svm_from_cfg

def svm_from_cfg(cfg):""" 创建一个基于配置的SVM模型，并且通过交叉验证在鸢尾花数据集上评价该模型Parameters:-----------cfg: 超参配置 (ConfigSpace.ConfigurationSpace.Configuration)Returns:--------A crossvalidated mean score for the svm on the loaded data-set.svm在数据集上交叉验证的平均值"""# 通过字典解析过滤掉值为None的键值对cfg = {k : cfg[k] for k in cfg if cfg[k]}# We translate boolean values:cfg["shrinking"] = True if cfg["shrinking"] == "true" else False# And for gamma, we set it to a fixed value or to "auto" (if used)if "gamma" in cfg:cfg["gamma"] = cfg["gamma_value"] if cfg["gamma"] == "value" else "auto"cfg.pop("gamma_value", None)  # Remove "gamma_value"clf = svm.SVC(**cfg, random_state=42)scores = cross_val_score(clf, iris.data, iris.target, cv=5)return 1-np.mean(scores)  # Minimize!

接下来是配置超参空间

# Build Configuration Space which defines all parameters and their ranges
cs = ConfigurationSpace()# We define a few possible types of SVM-kernels and add them as "kernel" to our cs
kernel = CategoricalHyperparameter("kernel", ["linear", "rbf", "poly", "sigmoid"], default_value="poly")
cs.add_hyperparameter(kernel)# There are some hyperparameters shared by all kernels
C = UniformFloatHyperparameter("C", 0.001, 1000.0, default_value=1.0)
shrinking = CategoricalHyperparameter("shrinking", ["true", "false"], default_value="true")
cs.add_hyperparameters([C, shrinking])# Others are kernel-specific, so we can add conditions to limit the searchspace
degree = UniformIntegerHyperparameter("degree", 1, 5, default_value=3)     # Only used by kernel poly
coef0 = UniformFloatHyperparameter("coef0", 0.0, 10.0, default_value=0.0)  # poly, sigmoid
cs.add_hyperparameters([degree, coef0])
use_degree = InCondition(child=degree, parent=kernel, values=["poly"])
use_coef0 = InCondition(child=coef0, parent=kernel, values=["poly", "sigmoid"])
cs.add_conditions([use_degree, use_coef0])# This also works for parameters that are a mix of categorical and values from a range of numbers
# For example, gamma can be either "auto" or a fixed float
gamma = CategoricalHyperparameter("gamma", ["auto", "value"], default_value="auto")  # only rbf, poly, sigmoid
gamma_value = UniformFloatHyperparameter("gamma_value", 0.0001, 8, default_value=1)
cs.add_hyperparameters([gamma, gamma_value])
# We only activate gamma_value if gamma is set to "value"
cs.add_condition(InCondition(child=gamma_value, parent=gamma, values=["value"]))
# And again we can restrict the use of gamma in general to the choice of the kernel
cs.add_condition(InCondition(child=gamma, parent=kernel, values=["rbf", "poly", "sigmoid"]))

可以看到在配置超参空间时除了可以配置超参的默认值、值域之外，还能配置超参的Condition，即条件。例如，svm有["linear", "rbf", "poly", "sigmoid"]四种核函数，但只有["rbf", "poly", "sigmoid"]这三种核函数含有gamma参数。

# Scenario object  （方案对象）
scenario = Scenario({"run_obj": "quality",   # 有{runtime,quality}两种选项"runcount-limit": 50,   # max. number of function evaluations; for this example set to a low number"cs": cs,               # configuration space"deterministic": "true"})# Example call of the function
# It returns: Status, Cost, Runtime, Additional Infos
def_value = svm_from_cfg(cs.get_default_configuration())
print("Default Value: %.2f" % (def_value))# Optimize, using a SMAC-object
print("Optimizing! Depending on your machine, this might take a few minutes.")
smac = SMAC4HPO(scenario=scenario, rng=np.random.RandomState(42),tae_runner=svm_from_cfg)# incumbent（现任者，与挑战者challenger相对），表示能让模型表现最优的配置
incumbent = smac.optimize()  
# 最优的模型表现
inc_value = svm_from_cfg(incumbent)print("Optimized Value: %.2f" % (inc_value))# We can also validate our results (though this makes a lot more sense with instances)
smac.validate(config_mode='inc',      # We can choose which configurations to evaluate#instance_mode='train+test',  # Defines what instances to validaterepetitions=100,        # Ignored, unless you set "deterministic" to "false" in line 95
n_jobs=1) # How many cores to use in parallel for optimization

我们看到最后这几行代码，先是构建一个方案对象（Scenario）表示搜索配置，然后将scenario与目标函数作为参数传入SMAC4HPO返回一个smac对象，调用optimize()得到一个最优超参。

smac 项目架构

$ tree smac -L 1
.
├── configspace/
├── epm/
├── facade/
├── initial_design/
├── intensification/
├── optimizer/
├── runhistory/
├── scenario/
├── stats/
├── tae/
└── utils/

目录名	释义
configspace	超参空间
epm	随机森林代理模型
facade	一些装饰类
initial_design	搜索空间的初始化方法
intensification	在challenger中选出最优配置
optimizer	优化器，包含acquisition，smbo多个重要文件
runhistory	对运行历史的记录
scenario	搜索方案配置
tae	Target Algorithm Evaluator，目标算法评价器

在下一期推送中，笔者将继续为大家分析smac源码，探究smac是如何用随机森林代理模型对超参空间进行优化的。

在下一期推送中，笔者将继续为大家分析smac源码，探究smac是如何用随机森林代理模型对超参空间进行优化的。

---

欢迎关注公众号"人工智能源码阅读"(aicodereview)