Panoramica dell'ottimizzazione degli iperparametri

Puoi utilizzare l'ottimizzazione degli iperparametri in BigQuery ML per identificare l'insieme ottimale di argomenti per i tuoi algoritmi di machine learning (ML). L'ottimizzazione degli iperparametri consente di dedicare meno tempo all'iterazione manuale delle configurazioni del modello.

Un iperparametro è un argomento del modello il cui valore viene impostato prima dell'inizio del processo di apprendimento. Viceversa, i valori degli altri parametri, come i coefficienti di un modello lineare, vengono appresi.

Puoi specificare le opzioni di ottimizzazione degli iperparametri per i seguenti tipi di modelli:

Per questi tipi di modelli, l'ottimizzazione degli iperparametri viene attivata quando specifichi un valore per l'opzione NUM_TRIALS nell'istruzione CREATE MODEL.

Per provare a eseguire l'ottimizzazione degli iperparametri su un modello di regressione lineare, consulta Utilizza l'ottimizzazione degli iperparametri di BigQuery ML per migliorare le prestazioni del modello.

Anche i seguenti modelli supportano l'ottimizzazione degli iperparametri, ma non consentono di specificare valori particolari:

  • I modelli AutoML Tables hanno l'ottimizzazione automatica degli iperparametri incorporata nell'addestramento del modello per impostazione predefinita.
  • I modelli ARIMA_PLUS consentono di impostare l'argomento AUTO_ARIMA per eseguire l'ottimizzazione degli iperparametri utilizzando l'algoritmo auto.ARIMA. Questo algoritmo esegue l'ottimizzazione degli iperparametri per il modulo della tendenza. L'ottimizzazione degli iperparametri non è supportata per l'intera pipeline di modellazione.

Località

Per informazioni sulle località che supportano l'ottimizzazione degli iperparametri, consulta Località di BigQuery ML.

Imposta gli iperparametri

Per ottimizzare un iperparametro, devi specificare un intervallo di valori per quell'iperparametro che il modello può utilizzare per un insieme di prove. Per farlo, utilizza una delle seguenti parole chiave quando imposti l'iperparametro nell'istruzione CREATE MODEL, anziché fornire un singolo valore:

  • HPARAM_RANGE: un valore ARRAY(FLOAT64) di due elementi che definisce i limiti minimo e massimo dello spazio di ricerca dei valori continui per un iperparametro. Utilizza questa opzione per specificare un intervallo di valori per un iperparametro, ad esempio LEARN_RATE = HPARAM_RANGE(0.0001, 1.0).

  • HPARAM_CANDIDATES: un valore ARRAY(STRUCT) che specifica l'insieme di valori discreti per l'iperparametro. Utilizza questa opzione per specificare un insieme di valori per un iperparametro, ad esempio OPTIMIZER = HPARAM_CANDIDATES(['ADAGRAD', 'SGD', 'FTRL']).

Iperparametri e obiettivi

La tabella seguente elenca gli iperparametri e gli obiettivi supportati per ogni tipo di modello che supporta l'ottimizzazione degli iperparametri:

Tipo di modello Obiettivi degli iperparametri Iperparametro Percentuale valida Intervallo predefinito Tipo di scalabilità
LINEAR_REG MEAN_ABSOLUTE_ERROR

MEAN_SQUARED_ERROR

MEAN_SQUARED_LOG_ERROR

MEDIAN_ABSOLUTE_ERROR

R2_SCORE (predefinito)

EXPLAINED_VARIANCE
L1_REG

L2_REG
(0, ∞]

(0, ∞]
(0, 10]

(0, 10]
LOG

LOG
LOGISTIC_REG PRECISION

RECALL

ACCURACY

F1_SCORE

LOG_LOSS

ROC_AUC (predefinito)
L1_REG

L2_REG
(0, ∞]

(0, ∞]
(0, 10]

(0, 10]
LOG

LOG
KMEANS DAVIES_BOULDIN_INDEX NUM_CLUSTERS [2, 100] [2, 10] LINEAR
MATRIX_
FACTORIZATION
(esplicito)
MEAN_SQUARED_ERROR NUM_FACTORS

L2_REG
[2, 200]

(0, ∞)
[2, 20]

(0, 10]
LINEAR

LOG
MATRIX_
FACTORIZATION
(implicito)
MEAN_AVERAGE_PRECISION (predefinito)

MEAN_SQUARED_ERROR

NORMALIZED_DISCOUNTED_CUMULATIVE_GAIN

AVERAGE_RANK
NUM_FACTORS

L2_REG

WALS_ALPHA
[2, 200]

(0, ∞)

[0, ∞)
[2, 20]

(0, 10]

[0, 100]
LINEAR

LOG

LINEAR
AUTOENCODER MEAN_ABSOLUTE_ERROR

MEAN_SQUARED_ERROR (predefinito)

MEAN_SQUARED_LOG_ERROR
LEARN_RATE

BATCH_SIZE

L1_REG

L2_REG

L1_REG_ACTIVATION

DROPOUT

HIDDEN_UNITS


OPTIMIZER



ACTIVATION_FN
[0, 1]

(0, ∞)

(0, ∞)

(0, ∞)

(0, ∞)


[0, 1)

Array di [1, ∞)

{ADAM, ADAGRAD, FTRL, RMSPROP, SGD}

{RELU, RELU6, CRELU, ELU, SELU, SIGMOID, TANH}
[0, 1]

[16, 1024]

(0, 10]

(0, 10]

(0, 10]


[0, 0.8]

N/A

{ADAM, ADAGRAD, FTRL, RMSPROP, SGD}

N/A
LOG

LOG

LOG

LOG

LOG


LINEAR

N/A

N/A



N/A
DNN_CLASSIFIER PRECISION

RECALL

ACCURACY

F1_SCORE

LOG_LOSS

ROC_AUC (predefinito)
BATCH_SIZE

DROPOUT

HIDDEN_UNITS

LEARN_RATE

OPTIMIZER



L1_REG

L2_REG

ACTIVATION_FN
(0, ∞)

[0, 1)

Array di [1, ∞)

[0, 1]

{ADAM, ADAGRAD, FTRL, RMSPROP, SGD}

(0, ∞)

(0, ∞)

{RELU, RELU6, CRELU, ELU, SELU, SIGMOID, TANH}
[16, 1024]

[0, 0.8]

N/A

[0, 1]

{ADAM, ADAGRAD, FTRL, RMSPROP, SGD}

(0, 10]

(0, 10]

N/A
LOG

LINEAR

N/A

LINEAR

N/A



LOG

LOG

N/A
DNN_REGRESSOR MEAN_ABSOLUTE_ERROR

MEAN_SQUARED_ERROR

MEAN_SQUARED_LOG_ERROR

MEDIAN_ABSOLUTE_ERROR

R2_SCORE (predefinito)

EXPLAINED_VARIANCE
DNN_LINEAR_
COMBINED_
CLASSIFIER
PRECISION

RECALL

ACCURACY

F1_SCORE

LOG_LOSS

ROC_AUC (predefinito)
BATCH_SIZE

DROPOUT

HIDDEN_UNITS

L1_REG

L2_REG

ACTIVATION_FN
(0, ∞)

[0, 1)

Array di [1, ∞)

(0, ∞)

(0, ∞)

{RELU, RELU6, CRELU, ELU, SELU, SIGMOID, TANH}
[16, 1024]

[0, 0.8]

N/A

(0, 10]

(0, 10]

N/A
LOG

LINEAR

N/A

LOG

LOG

N/A
DNN_LINEAR_
COMBINED_
REGRESSOR
MEAN_ABSOLUTE_ERROR

MEAN_SQUARED_ERROR

MEAN_SQUARED_LOG_ERROR

MEDIAN_ABSOLUTE_ERROR

R2_SCORE (predefinito)

EXPLAINED_VARIANCE
BOOSTED_TREE_
CLASSIFIER
PRECISION

RECALL

ACCURACY

F1_SCORE

LOG_LOSS

ROC_AUC (predefinito)
LEARN_RATE

L1_REG

L2_REG

DROPOUT

MAX_TREE_DEPTHMAX_TREE_DEPTH

SUBSAMPLE

MIN_SPLIT_LOSS

NUM_PARALLEL_TREE

MIN_TREE_CHILD_WEIGHT

COLSAMPLE_BYTREE

COLSAMPLE_BYLEVEL

COLSAMPLE_BYNODE

BOOSTER_TYPE

DART_NORMALIZE_TYPE

TREE_METHOD
[0, ∞)

(0, ∞)

(0, ∞)

[0, 1]

[1, 20]



(0, 1]

[0, ∞)

[1, ∞)


[0, ∞)


[0, 1]


[0, 1]


[0, 1]


{GBTREE, DART}

{TREE, FOREST}

{AUTO, EXACT, APPROX, HIST}
[0, 1]

(0, 10]

(0, 10]

N/A

[1, 10]



(0, 1]

N/A

N/A


N/A


N/A


N/A


N/A


N/A

N/A

N/A
LINEAR

LOG

LOG

LINEAR

LINEAR



LINEAR

LINEAR

LINEAR


LINEAR


LINEAR


LINEAR


LINEAR


N/A

N/A

N/A
BOOSTED_TREE_
REGRESSOR






MEAN_ABSOLUTE_ERROR

MEAN_SQUARED_ERROR

MEAN_SQUARED_LOG_ERROR

MEDIAN_ABSOLUTE_ERROR

R2_SCORE (predefinito)

EXPLAINED_VARIANCE
RANDOM_FOREST_
CLASSIFIER
PRECISION

RECALL

ACCURACY

F1_SCORE

LOG_LOSS

ROC_AUC (predefinito)
L1_REG

L2_REG

MAX_TREE_DEPTH

SUBSAMPLE

MIN_SPLIT_LOSS

NUM_PARALLEL_TREE

MIN_TREE_CHILD_WEIGHT

COLSAMPLE_BYTREE

COLSAMPLE_BYLEVEL

COLSAMPLE_BYNODE

TREE_METHOD
(0, ∞)

(0, ∞)

[1, 20]

(0, 1)

[0, ∞)

[2, ∞)


[0, ∞)


[0, 1]


[0, 1]


[0, 1]

{AUTO, EXACT, APPROX, HIST}
(0, 10]

(0, 10]

[1, 20]

(0, 1)

N/A

[2, 200]


N/A


N/A


N/A


N/A


N/A
LOG

LOG

LINEAR

LINEAR

LINEAR

LINEAR


LINEAR


LINEAR


LINEAR


LINEAR


N/A
RANDOM_FOREST_
REGRESSOR






MEAN_ABSOLUTE_ERROR

MEAN_SQUARED_ERROR

MEAN_SQUARED_LOG_ERROR

MEDIAN_ABSOLUTE_ERROR

R2_SCORE (predefinito)

EXPLAINED_VARIANCE

La maggior parte degli iperparametri della scala LOG utilizza il limite inferiore aperto di 0. Puoi comunque impostare 0 come limite inferiore utilizzando la parola chiave HPARAM_RANGE per impostare l'intervallo degli iperparametri. Ad esempio, in un modello di classificatore ad albero con boosting, puoi impostare l'intervallo per l'iperparametro L1_REG su L1_REG = HPARAM_RANGE(0, 5). Un valore di 0 viene convertito in 1e-14.

Sono supportati gli iperparametri condizionali. Ad esempio, in un modello di regressore con alberi potenziati, puoi ottimizzare l'iperparametro DART_NORMALIZE_TYPE solo quando il valore dell'iperparametro BOOSTER_TYPE è DART. In questo caso, specifichi entrambi gli spazi di ricerca e le condizioni vengono gestite automaticamente, come mostrato nell'esempio seguente:

BOOSTER_TYPE = HPARAM_CANDIDATES(['DART', 'GBTREE'])
DART_NORMALIZE_TYPE = HPARAM_CANDIDATES(['TREE', 'FOREST'])

Un altro esempio è l'interazione tra BOOSTER_TYPE e DROPOUT nei modelli ad alberi con boosting. Il parametro DROPOUT può essere ottimizzato solo quando BOOSTER_TYPE include 'DART' come candidato. Se definisci uno spazio di ricerca per DROPOUT, ma limiti BOOSTER_TYPE solo a HPARAM_CANDIDATES(['GBTREE']), il job di ottimizzazione non va a buon fine.

Cerca il punto di partenza

Se non specifichi uno spazio di ricerca per un iperparametro utilizzando HPARAM_RANGE o HPARAM_CANDIDATES, la ricerca inizia dal valore predefinito di quell'iperparametro, come documentato nell'argomento CREATE MODEL per quel tipo di modello. Ad esempio, se esegui l'ottimizzazione degli iperparametri per un modello ad alberi con boosting e non specifichi un valore per l'iperparametro L1_REG, la ricerca inizia da 0, il valore predefinito.

Se specifichi uno spazio di ricerca per un iperparametro utilizzando HPARAM_RANGE o HPARAM_CANDIDATES, i punti di partenza della ricerca dipendono dal fatto che lo spazio di ricerca specificato includa o meno il valore predefinito per quell'iperparametro, come documentato nell'argomento CREATE MODEL per quel tipo di modello:

  • Se l'intervallo specificato contiene il valore predefinito, la ricerca inizia da lì. Ad esempio, se esegui l'ottimizzazione degli iperparametri per un modello di fattorizzazione di matrici implicito e specifichi il valore [20, 30, 40, 50] per l'iperparametro WALS_ALPHA, la ricerca inizia da 40, il valore predefinito.
  • Se l'intervallo specificato non contiene il valore predefinito, la ricerca inizia dal punto nell'intervallo specificato più vicino al valore predefinito. Ad esempio, se specifichi il valore [10, 20, 30] per l'iperparametro WALS_ALPHA, la ricerca inizia da 30, che è il valore più vicino al valore predefinito di 40.

Suddivisione dati

Quando specifichi un valore per l'opzione NUM_TRIALS, il servizio identifica che stai eseguendo l'ottimizzazione degli iperparametri ed esegue automaticamente una suddivisione a tre vie dei dati di input per dividerli in set di addestramento, valutazione e test. Per impostazione predefinita, i dati di input vengono randomizzati e poi suddivisi in 80% per l'addestramento, 10% per la valutazione e 10% per i test.

I set di addestramento e valutazione vengono utilizzati in ogni addestramento di prova, come nei modelli che non utilizzano l'ottimizzazione degli iperparametri. I suggerimenti per gli iperparametri di prova vengono calcolati in base alle metriche di valutazione del modello per quel tipo di modello. Al termine di ogni addestramento di prova, il set di test viene utilizzato per testare la prova e registrare le relative metriche nel modello. In questo modo, viene garantita l'obiettività delle metriche di valutazione dei report finali utilizzando dati che non sono stati ancora analizzati dal modello. I dati di valutazione vengono utilizzati per calcolare le metriche intermedie per il suggerimento degli iperparametri, mentre i dati di test vengono utilizzati per calcolare le metriche finali del modello obiettivo.

Se vuoi utilizzare solo un set di addestramento, specifica NO_SPLIT per l'opzione DATA_SPLIT_METHOD dell'istruzione CREATE MODEL.

Se vuoi utilizzare solo i set di addestramento e valutazione, specifica 0 per l'opzione DATA_SPLIT_TEST_FRACTION dell'istruzione CREATE MODEL. Quando il set di test è vuoto, il set di valutazione viene utilizzato come set di test per i report finali sulle metriche di valutazione.

Le metriche dei modelli generati da un job di addestramento normale e quelle di un job di addestramento con ottimizzazione degli iperparametri sono confrontabili solo quando le frazioni di suddivisione dei dati sono uguali. Ad esempio, i seguenti modelli sono paragonabili:

  • Ottimizzazione non degli iperparametri: DATA_SPLIT_METHOD='RANDOM', DATA_SPLIT_EVAL_FRACTION=0.2
  • Ottimizzazione degli iperparametri: DATA_SPLIT_METHOD='RANDOM', DATA_SPLIT_EVAL_FRACTION=0.2, DATA_SPLIT_TEST_FRACTION=0

Prestazioni

Le prestazioni del modello quando si utilizza l'ottimizzazione degli iperparametri in genere non sono peggiori di quelle ottenute quando si utilizza lo spazio di ricerca predefinito e non si utilizza l'ottimizzazione degli iperparametri. Un modello che utilizza lo spazio di ricerca predefinito e non utilizza l'ottimizzazione degli iperparametri utilizza sempre gli iperparametri predefiniti nella prima prova.

Per confermare i miglioramenti delle prestazioni del modello forniti dall'ottimizzazione degli iperparametri, confronta la prova ottimale per il modello di ottimizzazione degli iperparametri con la prima prova per il modello di ottimizzazione non degli iperparametri.

Transfer learning

Il transfer learning è abilitato per impostazione predefinita quando imposti l'opzione HPARAM_TUNING_ALGORITHM nell'istruzione CREATE MODEL su VIZIER_DEFAULT. L'ottimizzazione degli iperparametri per un modello trae vantaggio dall'apprendimento dai modelli ottimizzati in precedenza se soddisfa i seguenti requisiti:

  • Ha lo stesso tipo di modello dei modelli ottimizzati in precedenza.
  • Si trova nello stesso progetto dei modelli ottimizzati in precedenza.
  • Utilizza lo stesso spazio di ricerca degli iperparametri O un sottoinsieme dello spazio di ricerca degli iperparametri dei modelli ottimizzati in precedenza. Un sottoinsieme utilizza gli stessi nomi e tipi di iperparametri, ma non deve necessariamente avere gli stessi intervalli. Ad esempio, (a:[0, 10]) è considerato un sottoinsieme di (a:[-1, 1], b:[0, 1]).

Il transfer learning non richiede che i dati di input siano gli stessi.

Il transfer learning aiuta a risolvere il problema di avvio a freddo in cui il sistema esegue un'esplorazione casuale durante il primo batch di prova. Il transfer learning fornisce al sistema alcune conoscenze iniziali sugli iperparametri e sui loro obiettivi. Per migliorare continuamente la qualità del modello, addestra sempre un nuovo modello di ottimizzazione degli iperparametri con lo stesso iperparametro o con un sottoinsieme di iperparametri.

Il transfer learning aiuta l'ottimizzazione degli iperparametri a convergere più velocemente, anziché aiutare i sottomodelli a convergere.

Gestione degli errori

L'ottimizzazione degli iperparametri gestisce gli errori nei seguenti modi:

  • Annullamento: se un job di addestramento viene annullato durante l'esecuzione, tutte le prove riuscite rimangono utilizzabili.

  • Input non valido: se l'input utente non è valido, il servizio restituisce un errore dell'utente.

  • Iperparametri non validi: se gli iperparametri non sono validi per una prova, questa viene saltata e contrassegnata come INFEASIBLE nell'output della funzione ML.TRIAL_INFO.

  • Errore interno della prova: se più del 50% del valore NUM_TRIALS non va a buon fine a causa di INTERNAL_ERROR, il job di addestramento si interrompe e restituisce un errore utente.

  • Se meno del 50% del valore NUM_TRIALS non va a buon fine a causa di INTERNAL_ERROR, l'addestramento continua con le prove non riuscite contrassegnate come FAILED nell'output della funzione ML.TRIAL_INFO.

Funzioni di erogazione del modello

Puoi utilizzare i modelli di output dell'ottimizzazione degli iperparametri con una serie di funzioni di erogazione del modello esistenti. Per utilizzare queste funzioni, segui queste regole:

  • Quando la funzione accetta dati di input, viene restituito solo il risultato di una prova. Per impostazione predefinita, si tratta della prova ottimale, ma puoi anche scegliere una prova specifica specificando TRIAL_ID come argomento per la funzione specificata. Puoi ottenere TRIAL_ID dall'output della funzione ML.TRIAL_INFO. Sono supportate le seguenti funzioni:

  • Quando la funzione non accetta dati di input, vengono restituiti tutti i risultati della prova e la prima colonna di output è TRIAL_ID. Sono supportate le seguenti funzioni:

L'output di ML.FEATURE_INFO non cambia, perché tutte le prove condividono gli stessi dati di input.

Le metriche di valutazione di ML.EVALUATE e ML.TRIAL_INFO possono essere diverse a causa del modo in cui vengono suddivisi i dati di input. Per impostazione predefinita, ML.EVALUATE viene eseguito sui dati di test, mentre ML.TRIAL_INFO viene eseguito sui dati di valutazione. Per saperne di più, consulta Suddivisione dei dati.

Funzioni non supportate

La funzione ML.TRAINING_INFO restituisce informazioni per ogni iterazione e i risultati delle iterazioni non vengono salvati nei modelli di ottimizzazione degli iperparametri. I risultati della prova vengono invece salvati. Puoi utilizzare la funzione ML.TRIAL_INFO per ottenere informazioni sui risultati delle prove.

Esportazione del modello

Puoi esportare i modelli creati con l'ottimizzazione degli iperparametri in posizioni di Cloud Storage utilizzando l'istruzione EXPORT MODEL. Puoi esportare la prova ottimale predefinita o qualsiasi prova specificata.

Prezzi

Il costo dell'addestramento per l'ottimizzazione degli iperparametri equivale alla somma del costo di tutte le prove eseguite. I prezzi di una prova sono coerenti con l'attuale modello di prezzi di BigQuery ML.

Domande frequenti

Questa sezione fornisce risposte ad alcune domande frequenti sull'ottimizzazione degli iperparametri.

Quante prove sono necessarie per ottimizzare un modello?

Ti consigliamo di utilizzare almeno 10 prove per un iperparametro, quindi il numero totale di prove deve essere almeno 10 * num_hyperparameters. Se utilizzi lo spazio di ricerca predefinito, consulta la colonna Iperparametri nella tabella Iperparametri e obiettivi per il numero di iperparametri ottimizzati per impostazione predefinita per un determinato tipo di modello.

Cosa succede se non vedo miglioramenti delle prestazioni utilizzando l'ottimizzazione degli iperparametri?

Assicurati di seguire le indicazioni riportate in questo documento per ottenere un confronto equo. Se non noti ancora miglioramenti delle prestazioni, potrebbe significare che gli iperparametri predefiniti funzionano già bene per te. Ti consigliamo di concentrarti sul feature engineering o di provare altri tipi di modelli prima di tentare un altro round di ottimizzazione degli iperparametri.

Cosa succede se voglio continuare l'ottimizzazione di un modello?

Addestra un nuovo modello di ottimizzazione degli iperparametri con lo stesso spazio di ricerca. Il transfer learning integrato aiuta a continuare l'ottimizzazione in base ai modelli ottimizzati in precedenza.

Devo riaddestrare il modello con tutti i dati e gli iperparametri ottimali?

Dipende dai seguenti fattori:

  • I modelli k-means utilizzano già tutti i dati come dati di addestramento, quindi non è necessario riaddestrare il modello.

  • Per i modelli di fattorizzazione di matrici, puoi riaddestrare il modello con gli iperparametri selezionati e tutti i dati di input per una migliore copertura di utenti ed elementi.

  • Per tutti gli altri tipi di modelli, l'addestramento di solito non è necessario. Il servizio conserva già l'80% dei dati di input per l'addestramento durante la suddivisione casuale dei dati predefinita. Se il set di dati è di piccole dimensioni, puoi comunque riaddestrare il modello con più dati di addestramento e gli iperparametri selezionati, ma lasciare pochi dati di valutazione per l'arresto anticipato potrebbe peggiorare l'overfitting.

Passaggi successivi