Python 2.7
IDE Pychrm 5.0.3
sci-kit learn 0.18.1
前言

抖了个机灵，不要来打我，这是没有理论依据证明的，只是模型测试出来的确有效，并且等待时间下降(约)为原来的十分之一！！刺不刺激，哈哈哈。

原理

基本思想：先找重点在细分，再细分，伸缩Flexible你怕不怕。以下简称这种方法为FCV

不知道CV的请看@MrLevo520–总结：Bias(偏差)，Error(误差)，Variance(方差)及CV(交叉验证)
伪代码

原理很好理解，直接上伪代码，懒得打字，上手稿

文章图片

这里写图片描述 FCV测试时间

以GBDT为例，我测试了下，参数 n_estimators从190到300，max_depth从2到9，CV=3

• 普通的GridSerachCV总共fit了11073=2310次，耗时1842min，也就是30.7个小时，得出最优参数n_estimators=289，max_depth=3
  
• FCV总共总共fit了345次，跑了166min，也就是2.8小时，得出最优参数n_estimators=256，max_depth=3
  

时间方面，相差11倍，那么效果呢，请看下面的CV得分
FCV测试效果

选取了GBDT,RF,XGBOST,SVM做了交叉验证比较，同一算法之间保持相同参数。

GBDT的测试结果

clf1 = GradientBoostingClassifier(max_depth=3,n_estimators=289)#.fit(train_data,train_label)
score1 = model_selection.cross_val_score(clf1,train_data,train_label,cv=5)

print score1 ————————————- clf2 = GradientBoostingClassifier(max_depth=3,n_estimators=256)#.fit(train_data,train_label) score2 = model_selection.cross_val_score(clf2,train_data,train_label,cv=5) print score2 ———————————— # 查看两种方法的交叉验证效果 #传统方法CV=5：[ 0.79807692 0.82038835 0.80684597 0.76108374 0.78163772] #改进方法CV=5：[ 0.79567308 0.82038835 0.799511 0.76847291 0.78411911] ————————————— #传统方法CV=10:[ 0.83333333 0.78571429 0.84615385 0.7961165 0.81067961 0.80097087 0.77227723 0.78109453 0.785 0.74111675] #FCV方法CV=10:[ 0.85238095 0.78095238 0.85096154 0.7961165 0.81553398 0.7961165 0.76732673 0.79104478 0.795 0.75126904] Xgboost的测试结果

clf1 = XGBClassifier(max_depth=6,n_estimators=200)#.fit(train_data,train_label) score1 = model_selection.cross_val_score(clf1,train_data,train_label,cv=5) print score1clf2 = XGBClassifier(max_depth=4,n_estimators=292)#.fit(train_data,train_label) score2 = model_selection.cross_val_score(clf2,train_data,train_label,cv=5) print score2-----------------------------

#传统方法CV=5：[ 0.79086538 0.83737864 0.80929095 0.79310345 0.7866005 ] #FCV方法CV=5：[ 0.80288462 0.84466019 0.8190709 0.79064039 0.78163772] RF的测试结果

注：由于RF的特殊性，选择样本的方式和选择特征的方式都随机，所以即使交叉验证，效果也不是稳定的，就像我在服务器上跑多进程和笔记本上跑同一个程序，出来的最佳值一个是247，一个是253，并不是说都会一致。(说的好像GBDT,XGBOOST不是树结构似得0.o)

clf1 = RandomForestClassifier(n_estimators=205)#.fit(train_data,train_label) score1 = model_selection.cross_val_score(clf1,train_data,train_label,cv=5) print score1 clf2 = RandomForestClassifier(n_estimators=253)#.fit(train_data,train_label) score2 = model_selection.cross_val_score(clf2,train_data,train_label,cv=5) print score2---------------

#传统方法CV=5: [ 0.77884615 0.82038835 0.78239609 0.79310345 0.74937965] #FCV方法CV=5：[ 0.75721154 0.83495146 0.79217604 0.79310345 0.75186104] SVM的测试结果

clf1 = SVC(kernel='rbf', C=16, gamma=0.18)#.fit(train_data,train_label) score1 = model_selection.cross_val_score(clf1,train_data,train_label,cv=5) print score1clf2 = SVC(kernel='rbf', C=94.75, gamma=0.17)#.fit(train_data,train_label) score2 = model_selection.cross_val_score(clf2,train_data,train_label,cv=5) print score2

# 默认CV参数搜索(2^-8，2^8)，[ 0.88468992 0.88942774 0.88487805 0.8856305 0.8745098 ] # FCV参数搜索：[ 0.90116279 0.9185257 0.90146341 0.90713587 0.89509804] FCV优点

• 分割测试阈，极大提高速度，相较于普通的寻优，速度提升Step倍左右，寻优范围越大，提升越明显
• 可根据自己的数据集进行弹性系数设置，默认为0.5Step，设置有效的弹性系数有利于减少遗漏值

FCV缺点

• 有一定几率陷入局部最优
• 需要有一定的阈值经验和步进Step设置经验

FCV代码

以GBDT为例，(RF被我改成多进程了),假设寻找两个最优参数，概念和上面的是一样的，上面的理解了，这里没啥问题的。

# -*- coding: utf-8 -*- from sklearn import metrics, model_selection import LoadSolitData import Confusion_Show as cs from sklearn.model_selection import GridSearchCV from sklearn.ensemble import GradientBoostingClassifierdef gradient_boosting_classifier(train_x, train_y,Nminedge,Nmaxedge,Nstep,Dminedge,Dmaxedge,Dstep):model = GradientBoostingClassifier() param_grid = {'n_estimators': [i for i in range(Nminedge,Nmaxedge,Nstep)], 'max_depth': [j for j in range(Dminedge,Dmaxedge,Dstep)]} grid_search = GridSearchCV(model, param_grid, n_jobs=1, verbose=1) grid_search.fit(train_x, train_y) best_parameters = grid_search.best_estimator_.get_params() for para, val in best_parameters.items(): print para, val return best_parameters["n_estimators"],best_parameters["max_depth"]def FlexSearch(train_x, train_y,Nminedge,Nmaxedge,Nstep,Dminedge,Dmaxedge,Dstep): NmedEdge,DmedEdge = gradient_boosting_classifier(train_x, train_y,Nminedge,Nmaxedge,Nstep,Dminedge,Dmaxedge,Dstep) Nminedge = NmedEdge - Nstep-Nstep/2 Nmaxedge = NmedEdge + Nstep+Nstep/2 Dminedge = DmedEdge - Dstep Dmaxedge = DmedEdge + DstepNstep = Nstep/2 Dstep = Dstep print "Current bestPara:N-%.2f,D-%.2f"%(NmedEdge,DmedEdge) print "Next Range:N-%d-%d,D--%d-%d"%(Nminedge,Nmaxedge,Dminedge,Dmaxedge) print "Next step:N-%.2f,D-%.2f"%(Nstep,Nstep) if Nstep > 0 : return FlexSearch(train_x, train_y,Nminedge,Nmaxedge,Nstep,Dminedge,Dmaxedge,Dstep) else: print "The bestPara:N-%.2f,D-%.2f"%(NmedEdge,DmedEdge) return NmedEdge,DmedEdgeif __name__ == '__main__':train_data,train_label,test_data,test_label = LoadSolitData.TrainSize(1,0.2,[i for i in range(1,14)],"outclass")

#这里数据自己导，我是写在别的子函数里面了。 NmedEdge,DmedEdge = FlexSearch(train_data, train_label, 190, 300, 10, 2, 9, 1) Classifier = GradientBoostingClassifier(n_estimators=NmedEdge,max_depth=DmedEdge) Classifier.fit(train_data,train_label) predict_label = Classifier.predict(test_data) report = metrics.classification_report(test_label, predict_label) print report What’s More

采用多进程+FCV的方法，速度再次提升一个数量级。我假定命名为MFCV方法

不知道什么是多进程和多线程请看
@MrLevo520–Python小白带小白初涉多进程
@MrLevo520–Python小白带小白初涉多线程
MFCV原理

在FCV的基础上，gap = (maxedge-minedge)/k，其中的k为进程个数，把大块切割成小块，然后小块在按照FCV进行计算，最后得出K个最优值，再进行K个最优值选择一下就可以了。

MFCV优点

• 速度更快，多进程并发
• 因为分割片在片上做FCV,然后再集合做CV,一定程度上避免FCV陷入局部最优

MFCV缺点

• 与FCV不同，只能进行单参数的多进程并发寻优，两个参数的现在多进程我还没想到怎么实现，想到再说。

MFCV测试时间

因为只能单参数，所以RF为例，参数 n_estimators从190到330，CV=10，普通GridSerachCV时间为97.2min，而FCV时间为18min，MFCV为14min，这里因为fit总数太少了，所以效果不是非常明显，但是大家可以想象一下，单参数跨度很大的时候是什么效果。。。

MFCV测试效果

clf1 = RandomForestClassifier(n_estimators=205)#.fit(train_data,train_label) score1 = model_selection.cross_val_score(clf1,train_data,train_label,cv=10) print score1 clf2 = RandomForestClassifier(n_estimators=239)#.fit(train_data,train_label) score2 = model_selection.cross_val_score(clf2,train_data,train_label,cv=10) print score2

#传统方法CV=10：[ 0.84169884 0.85328185 0.85907336 0.84912959 0.82101167 0.8540856 0.84015595 0.87968442 0.84980237 0.83003953] #MFCV方法CV=10：[ 0.84169884 0.86100386 0.85521236 0.86266925 0.82101167 0.85019455 0.83625731 0.87771203 0.85177866 0.83201581] 效果和传统方法相比，相差不多，持平，并且速度提升一个数量集，我认为可以采用
MFCV代码

# -*- coding: utf-8 -*- from multiprocessing import Process from sklearn.ensemble import RandomForestClassifier from sklearn import metrics import Confusion_Show as cs import LoadSolitData from sklearn.model_selection import GridSearchCVdef write2txt(data,storename): f = open(storename,"w") f.write(str(data)) f.close()def V_candidate(candidatelist,train_x, train_y): model = RandomForestClassifier() param_grid = {'n_estimators': [i for i in candidatelist]} grid_search = GridSearchCV(model, param_grid, n_jobs=1, verbose=1,cv=10) grid_search.fit(train_x, train_y) best_parameters = grid_search.best_estimator_.get_params() for para, val in best_parameters.items(): print para, val return best_parameters["n_estimators"]def random_forest_classifier(train_x, train_y,minedge,maxedge,step):model = RandomForestClassifier() param_grid = {'n_estimators': [i for i in range(minedge,maxedge,step)]} grid_search = GridSearchCV(model, param_grid, n_jobs=1, verbose=1,cv=10) grid_search.fit(train_x, train_y) best_parameters = grid_search.best_estimator_.get_params() for para, val in best_parameters.items(): print para, val return best_parameters["n_estimators"]def FlexSearch(train_x, train_y,minedge,maxedge,step,storename): mededge = random_forest_classifier(train_x, train_y,minedge,maxedge,step) minedge = mededge - step-step/2 maxedge = mededge + step+step/2 step = step/2 print "Current bestPara:",mededge print "Next Range%d-%d"%(minedge,maxedge) print "Next step:",step if step > 0: return FlexSearch(train_x, train_y,minedge,maxedge,step,storename) elif step==0: print "The bestPara:",mededge write2txt(mededge,"RF_%s.txt"%storename)def Calc(classifier): Classifier.fit(train_data,train_label) predict_label = Classifier.predict(test_data) predict_label_prob = Classifier.predict_proba(test_data)total_cor_num = 0.0 dictTotalLabel = {} dictCorrectLabel = {} for label_i in range(len(predict_label)):if predict_label[label_i] == test_label[label_i]: total_cor_num += 1 if predict_label[label_i] not in dictCorrectLabel: dictCorrectLabel[predict_label[label_i]] = 0 dictCorrectLabel[predict_label[label_i]] += 1.0 if test_label[label_i] not in dictTotalLabel: dictTotalLabel[test_label[label_i]] = 0 dictTotalLabel[test_label[label_i]] += 1.0accuracy = metrics.accuracy_score(test_label, predict_label) * 100 kappa_score = metrics.cohen_kappa_score(test_label, predict_label) average_accuracy = 0.0 label_num = 0for key_i in dictTotalLabel: try: average_accuracy += (dictCorrectLabel[key_i] / dictTotalLabel[key_i]) * 100 label_num += 1 except: average_accuracy = average_accuracyaverage_accuracy = average_accuracy / label_numresult = "OA:%.4f; AA:%.4f; KAPPA:%.4f"%(accuracy,average_accuracy,kappa_score) print result report = metrics.classification_report(test_label, predict_label) print report cm = metrics.confusion_matrix(test_label, predict_label) cs.ConfusionMatrixPng(cm,['1','2','3','4','5','6','7','8','9','10','11','12','13'])if __name__ == '__main__':train_data,train_label,test_data,test_label = LoadSolitData.TrainSize(1,0.5,[i for i in range(1,14)],"outclass") # 数据集自导自己的minedge = 180 maxedge = 330 step = 10 gap = (maxedge-minedge)/3 subprocess = [] for i in range(1,4):#设置了3个进程 p = Process(target=FlexSearch,args=(train_data,train_label,minedge+(i-1)*gap,minedge+i*gap,step,i)) subprocess.append(p) for j in subprocess: j.start() for k in subprocess: k.join()candidatelist = [] for i in range(1,4): with open("RF_%s.txt"%i) as f: candidatelist.append(int(f.readlines()[0].strip()))print "candidatelist:",candidatelistbest_n_estimators = V_candidate(candidatelist, train_data,train_label) print "best_n_estimators",best_n_estimators Classifier = RandomForestClassifier(n_estimators=best_n_estimators) Calc(Classifier)

总结

在单参数寻优上可以选用MFCV,多参数寻优上选择FCV，经过CV得分可知，效果与普通遍历查询保持一致，但是速度提升效果明显，越是广阈查询，提升越明显，已通过ISO9001认证，请放心食用。。。。。。算法非常简单啊，但万一哪天火了呢，所以我要保留所有权利，转载请注明。（我能说Bootstrap这么简单的一种思想是怎么统治统计学的么，BTW，GridSerach思想本来也很简单呢）

附录1–FCV手稿

手稿1

文章图片

这里写图片描述

手稿2

文章图片

这里写图片描述 附录2

如果你也想尝试xgboost这个非常好用的分类器，强烈建议你采用FCV进行调参，因为xgboost借助OpenMP，能自动利用单机CPU的多核进行并行计算，就像这样，一运行就陷入烤鸡模式，所以尽量减少调参时候的运行次数极为重要！

文章图片

这里写图片描述 如何安装Xgboost请看@MrLevo520–解决：win10_x64 xgboost python安装所遇到问题
致谢 @abcjennifer–python并行调参——scikit-learn grid_search
@MrLevo520–解决：win10_x64 xgboost python安装所遇到问题 @wzmsltw–XGBoost-Python完全调参指南-参数解释篇
@u010414589–xgboost 调参经验
@MrLevo520–总结：Bias(偏差)，Error(误差)，Variance(方差)及CV(交叉验证)
@MrLevo520–Python小白带小白初涉多进程
@MrLevo520–Python小白带小白初涉多线程
【machine|GridSearchCV调参方法】转自：http://www.jianshu.com/p/798c5de306e6

推荐阅读

• 

  睡眠|睡眠不足会使人变笨？良好的睡眠很重要，2个小妙招，促进睡眠
• 

  瑞士表拜戈能排第几名 瑞士表排名
• 

  佳能镜头标示图片 佳能镜头标示
• 

  铜炉 炉是哪里的
• 

  什么咳嗽可以喝大蒜煮水
• 

  小鱼如何做罐头
• 

  魅蓝note闪光灯怎么打不开
• 

  经常吃胡萝卜有什么好处
• 

  2011年辽宁高考数学理科试卷 2011辽宁高考数学理科
• 

  炒方便面为什么会粘锅呢
• 

  碧蓝航线2020最新节奏榜 新增浮樱影华舰船强度一览
• 

  黑木耳红枣瘦肉汤
• 

  国与国之间是结盟好呢,还是不结盟好？
• 

  床车自驾游在荒郊野地过夜安全吗？
• 

  CPU占用过高排查
• 

  手上起小水泡很痒怎么回事？手上起小水泡还干裂痒脱皮咋回事
• 

  癌症|有1种腰痛或提示癌症侵袭，发现需及时检查，经常腰痛的人要当心
• 

  广州哪里吃海鲜比较好吃
• 

  七界传说张傲雪最后怎么了
• 

  西晋灭亡时,场景有多惨烈？

• 单片机|（3）下位机部分-水下管道智能巡检-方案STM32+树梅派+python+opencv—水下机器人
• OSCP Learning Notes - WebApp Exploitation
• PHP与Python有什么区别和不同（）
• 发现几个好玩的游戏编程平台，与君共勉！
• 计算机视觉|Anomaly Detection 异常检测之 CSI（Contrasting shifted instances论文解读）
• 机器学习|Python实现词云舞
• python相关学习|用python批量修改图片名称！超级简单
• 大数据|超高分辨率显著目标检测，新颖高效的错层嫁接架构PGNet（CVPR2022）
• 编程语言大杂烩|Python批量改变图片名字