12 机器学习小白教程：超参数调优

查看大图

超参数调优要有边界。网格搜索、随机搜索和手动调参都需要明确范围，否则很容易把时间花在不重要的参数上。

查看大图

我会先调一两个最关键参数，确认方向有效，再扩大搜索范围。一次改太多参数，结果很难解释。

在上一篇中，我们探讨了模型选择与训练的基础，包括如何选择一个合适的机器学习模型及其训练过程。本篇将重点讲解“超参数调优”，这是提升模型性能的一个关键环节。适当的超参数选择能够显著提高模型的泛化能力，使其在未见数据上的表现更佳。

什么是超参数？

在机器学习中，超参数是指那些在模型训练之前设定的参数。它们对模型的行为具有重要影响，不同于模型训练过程中学到的参数（如权重和偏置）。

查看大图

做超参数调优时，先确定参数范围、搜索策略、验证方式、评价指标和过拟合监控。

常见超参数示例

• 学习率（Learning Rate）：在优化算法中控制模型更新权重的步长；
• 正则化系数（Regularization Coefficient）：用于控制模型复杂度，防止过拟合；
• 树的深度（Tree Depth）：在决策树或随机森林中，控制树的深度；
• 批次大小（Batch Size）：在计算梯度时，每次更新使用的数据样本数量。

超参数调优的策略

网格搜索（Grid Search）

查看大图

《机器学习小白教程：超参数调优》读到最后，可以把图里的流程当成检查表：问题是否明确，操作是否落地，判断标准是否能复用。

网格搜索是一种最常见的超参数调优方法。它通过对所有可能的超参数组合进行网格化，逐一训练模型并评估其性能。

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier

# 定义模型
model = RandomForestClassifier()

# 定义超参数网格
param_grid = {
    'n_estimators': [50, 100, 200],
    'max_depth': [None, 10, 20, 30],
    'min_samples_split': [2, 5, 10]
}

# 使用网格搜索
grid_search = GridSearchCV(estimator=model, param_grid=param_grid, cv=5)
grid_search.fit(X_train, y_train)

# 查看最佳参数
print("最佳超参数：", grid_search.best_params_)

在这个例子中，我们定义了一个随机森林分类器，并指定了超参数的搜索范围。通过5折交叉验证，我们能够找到最佳的超参数组合。

随机搜索（Random Search）

随机搜索是一种更为灵活和高效的超参数调优策略。它在给定的参数空间中随机选择一组超参数，而不是穷举所有可能的组合。

from sklearn.model_selection import RandomizedSearchCV

# 定义超参数分布
param_dist = {
    'n_estimators': [50, 100, 200],
    'max_depth': [None, 10, 20, 30],
    'min_samples_split': [2, 5, 10],
    'bootstrap': [True, False]
}

# 使用随机搜索
random_search = RandomizedSearchCV(estimator=model, param_distributions=param_dist, n_iter=100, cv=5, verbose=2)
random_search.fit(X_train, y_train)

# 查看最佳参数
print("最佳超参数：", random_search.best_params_)

随机搜索通过n_iter参数指定尝试的次数，相比于网格搜索通常能在更短的时间内找到不错的结果。

贝叶斯优化

贝叶斯优化是一种利用贝叶斯理论来进行超参数调优的智能方法，它能够更高效地在超参数空间中寻找最优解。例如，Hyperopt和Optuna是两种流行的贝叶斯优化库。

以下是简单使用Optuna进行超参数调优的示例：

import optuna

def objective(trial):
    n_estimators = trial.suggest_int('n_estimators', 50, 200)
    max_depth = trial.suggest_int('max_depth', 10, 30)
    
    model = RandomForestClassifier(n_estimators=n_estimators, max_depth=max_depth)
    model.fit(X_train, y_train)
    return model.score(X_val, y_val)

study = optuna.create_study(direction='maximize')
study.optimize(objective, n_trials=100)

print("最佳超参数：", study.best_params)

这里，Optuna会自动并行尝试不同的超参数组合，寻找最佳的配置。

查看大图

读到这里，可以把《机器学习小白教程：超参数调优》整理成一张复盘表：先说清主线，再拿一个小任务检查结果。

查看大图

读完《机器学习小白教程：超参数调优》后，可以先挑一个小样例走完整流程，再判断哪些步骤已经能独立完成。

结论

超参数调优是提升模型性能的重要步骤，常用的方法有网格搜索、随机搜索以及贝叶斯优化。通过合理调整超参数，我们能够显著提高模型在真实场景中的表现。在进行超参数调优时，建议在验证集上评估模型性能，以防过拟合。

在下篇文章中，我们将讨论“模型评估之评估指标介绍”，带您进一步理解如何对优化后的模型进行有效评估。

希望您在学习超参数调优的过程中，能够充分理解并运用这些工具，提升您在机器学习中的应用能力！