112
96

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

lightgbmで二値分類の一連の流れをしたメモ

Last updated at Posted at 2018-11-12

はじめに

lightgbmで学習から評価までの一連の流れをやってみました。
(結構忘れてしまうんですよねぇ…)

※ 追記追記で読みにくいところもあるかと思います

環境

Corabolatory で実行しています。

※ これ環境変わっちゃうので良くなかった…

コード

4.1.0 の例

バージョン上がって今までのじゃNGになったので。
ついでに GroupKFold も。

import os
import random

import numpy as np
import pandas as pd

import lightgbm as lgb
from sklearn.model_selection import GroupKFold

def seed_everything(seed: int):
    random.seed(seed)
    os.environ["PYTHONHASHSEED"] = str(seed)
    np.random.seed(seed)

seed_everything(42)

X = train_data_lrg_cd.drop(['group_key', 'y'], axis=1)
y = train_data_lrg_cd['y']

# 同一グループのデータが train/valid に別れないよう分割
groups = train_data_lrg_cd['group_key']
group_kfold = GroupKFold(n_splits=4)  # train:test = 3:1
group_kfold.get_n_splits(X, y, groups)

# LightGBM のパラメータ
params = {
    'objective': 'binary',
    'metric': 'auc',
    'boosting_type': 'gbdt',
    'verbosity': -1,
    'random_state': 42,
    'learning_rate': 0.01,
    # 'scale_pos_weight': 10,  # label=1 に重み付けしたければいじる
}
verbose_eval = 100
num_iterations = 100000
early_stopping_round = 100

# 学習
for i, (train_index, test_index) in enumerate(group_kfold.split(X, y, groups)):

    # データセットを生成する
    lgb_train = lgb.Dataset(X.iloc[train_index], y.iloc[train_index])
    lgb_eval = lgb.Dataset(X.iloc[test_index], y.iloc[test_index], reference=lgb_train)

    # 学習する
    model = lgb.train(
        params,
        lgb_train,
        valid_sets=[lgb_train, lgb_eval],
        num_boost_round=num_iterations,
        callbacks=[
            lgb.early_stopping(early_stopping_round, False, True),
            lgb.log_evaluation(verbose_eval),
        ]
    )

バックアップ

# lightgbmインストール
!pip install lightgbm

import lightgbm as lgb
from sklearn import datasets
from sklearn.model_selection import train_test_split
import numpy as np
import pandas as pd
pd.set_option('display.max_rows', 100)
from sklearn import metrics
import matplotlib.pyplot as plt
%matplotlib inline

# Breast Cancer データセットを読み込む
bc = datasets.load_breast_cancer()
X, y = bc.data, bc.target

# 訓練データとテストデータに分割する
X_train, X_test, y_train, y_test = train_test_split(X, y)

# データセットを生成する
lgb_train = lgb.Dataset(X_train, y_train)
lgb_eval = lgb.Dataset(X_test, y_test, reference=lgb_train)

# LightGBM のハイパーパラメータ
params = {
    # 二値分類問題
    'objective': 'binary',
    # AUC の最大化を目指す
    'metric': 'auc',
    # Fatal の場合出力
    'verbosity': -1,
}

# 上記のパラメータでモデルを学習する
model = lgb.train(params, lgb_train, valid_sets=lgb_eval,
                  verbose_eval=50,  # 50イテレーション毎に学習結果出力
                  num_boost_round=1000,  # 最大イテレーション回数指定
                  early_stopping_rounds=100
                 )

# 保存
model.save_model('model.txt')

# テストデータを予測する
y_pred = model.predict(X_test, num_iteration=model.best_iteration)

# 保存したモデルを使う場合はこんな感じ
#bst = lgb.Booster(model_file='model.txt')
#ypred = bst.predict(X_test, num_iteration=bst.best_iteration)

# AUC (Area Under the Curve) を計算する
fpr, tpr, thresholds = metrics.roc_curve(y_test, y_pred)
auc = metrics.auc(fpr, tpr)
print(auc)
> 0.9977272727272727

# ROC曲線をプロット
plt.plot(fpr, tpr, label='ROC curve (area = %.2f)'%auc)
plt.legend()
plt.title('ROC curve')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.grid(True)

auc.png

# 特徴量の重要度出力
print(model.feature_importance())
>[ 20 112   8  12  61  27  40  76  59  30  12  64  31 103  41  42  27  37
  53  44  18 163 115  68  66  63  69  86  88  18]

# 特徴量の重要度をプロット
lgb.plot_importance(model)

importance.png

Optuna(最適化)

この項目は 2020/08/21 追記。
まずは optuna をインストール。

!pip install optuna

その後、以下のように import 行を 1 行変更するだけで LightGBM Tuner を使えます。

import optuna.integration.lightgbm as lgb

params = {
    
}

model = lgb.train(params, lgb_train, valid_sets=lgb_eval,
                  verbose_eval=False, num_boost_round=1000, early_stopping_rounds=100)

print('Best Params:', model.params)

しかし、この方法ではすべてのパラメータをチューニングしてくれるわけでは有りません(そりゃそうか)
https://optuna.readthedocs.io/en/stable/reference/generated/optuna.integration.lightgbm.LightGBMTuner.html?highlight=lightgbm

It optimizes the following hyperparameters in a stepwise manner: lambda_l1, lambda_l2, num_leaves, feature_fraction, bagging_fraction, bagging_freq and min_child_samples.

そういうのをチューニングするにはやはり自分で実装する必要がありそうです。

# 急に cross_entropy になっています、すみません。
# コードサンプルとしては十分かと思うので読み替えてください。

import optuna
from sklearn.metrics import roc_auc_score


def objective(trial):
    params = {
        'objective': 'cross_entropy',
        'metric': 'auc',
        'boosting': 'gbdt',
        'learning_rate': 0.05,
        'lambda_l1': trial.suggest_loguniform('lambda_l1', 1e-8, 10.0),
        'lambda_l2': trial.suggest_loguniform('lambda_l2', 1e-8, 10.0),
        'num_leaves': trial.suggest_int('num_leaves', 2, 512),
        'feature_fraction': trial.suggest_uniform('feature_fraction', 0.4, 1.0),
        'bagging_fraction': trial.suggest_uniform('bagging_fraction', 0.4, 1.0),
        'bagging_freq': trial.suggest_int('bagging_freq', 0, 10),
        'min_child_samples': trial.suggest_int('min_child_samples', 5, 100),
        'seed': 0,
        'verbosity': -1,
    }
    gbm = lgb.train(params, lgb_train, valid_sets=lgb_eval,
                    verbose_eval=False, num_boost_round=1000, early_stopping_rounds=100)
    y_prob = gbm.predict(X_test)
    y_pred = np.round(y_prob)
    return roc_auc_score(
        np.round(y_test.values),
        np.round(y_pred)
    )


study = optuna.create_study(direction='maximize')
study.optimize(objective, n_trials=50)

print('Number of finished trials:', len(study.trials))
print('Best trial:', study.best_trial.params)

評価関数自作

公式ドキュメント参照。関数の引数、返り値に指定がある。
https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.train.html?highlight=feval

こんな風に eval 関数を書いて、
(引数、返り値の意味するところはドキュメントを読んでください)

example
def eval_func(preds, train_data):
    trues = train_data.get_label()  # データから正解ラベルを取得

     処理を書く 

    return  ('eval_name', eval_result, True)

params の metric を 文字列 None にしてから、

params = {
      
    'metric': 'None',
      
}

train 時に feval=自作関数 と指定してやれば良い。


lgb.train(params, lgb_train, valid_sets=lgb_eval, feval=eval_func)

その他

ROC曲線とAUCについてはこちらがとてもわかり易かったです。
http://www.randpy.tokyo/entry/roc_auc

112
96
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
112
96

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?