NGBoost를 사용하여 분포를 예측해 보았습니다.

16865 단어 파이썬 MachineLearning 기계 학습 GBDT

GBDT로 예측 분포를 낼 수 있으면 화제의 NGBoost를 시험해 보았으므로, 비망록이 주로 투고합니다. 실제로 움직이고 싶은 분은 여기 를 참고해 주세요.

소감

모델 튜닝을 거의 하지 않은 상태이며, 이번 작은 데이터 세트에서는 정밀도는 거의 같다.

분포를 산출할 수 있는 것은 사용지점이 있을지도 모르겠네요.

가져오기

나중에 NGBoost와 LightGBM을 조금 비교하므로 lightgbm도 가져옵니다.

# ngboost
from ngboost.ngboost import NGBoost
from ngboost.learners import default_tree_learner
from ngboost.scores import MLE
from ngboost.distns import Normal, LogNormal

# lightgbm
import lightgbm as lgb

# skleran
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

데이터 준비

회귀 문제의 보스톤 데이터 세트를 sklearn에서 가져옵니다. 수백 줄의 가벼운 데이터입니다. 홀드 아웃으로 확인합니다.

X, y = load_boston(True)
rd.seed(71)
X_train, X_valid, y_train, y_valid = train_test_split(X, y, test_size=0.2)
X_train.shape, X_valid.shapae

[output]

((404, 13), (102, 13))

NGBoost 학습

인스턴스 만들어 fit은 같습니다. 예측 분포를 검색하려면 pred_dist를 사용합니다.

%%time
rd.seed(71)
ngb = NGBoost(Base=default_tree_learner, Dist=Normal, #Normal, LogNormal
              Score=MLE(), natural_gradient=True, verbose=False, )
ngb.fit(X_train, y_train, X_val=X_valid, Y_val=y_valid)

y_preds = ngb.predict(X_valid)
y_dists = ngb.pred_dist(X_valid)


# test Mean Squared Error
test_MSE = mean_squared_error(y_preds, y_valid)
print('ngb Test MSE', test_MSE)

#test Negative Log Likelihood
test_NLL = -y_dists.logpdf(y_valid.flatten()).mean()
print('ngb Test NLL', test_NLL)

[output]

ngb Test MSE 9.533862361491169
ngb Test NLL 3.8760352
CPU times: user 8.35 s, sys: 1.82 s, total: 10.2 s
Wall time: 6.27 s

비교를 위한 LightGBM 학습

64 core CPU로 돈을 돌렸기 때문에 한순간에 학습이 끝납니다.

%%time
lgb_train = lgb.Dataset(X_train, y_train)
lgb_valid = lgb.Dataset(X_valid, y_valid, reference=lgb_train)
model = lgb.train({'objective': 'regression', 
           'metric': "mse",
           'learning_rate': 0.01,
           'seed': 71},
            lgb_train, 
            num_boost_round=99999,
            valid_sets=[lgb_valid], 
            early_stopping_rounds=100, 
            verbose_eval=500)

y_pred_lgb = model.predict(data=X_valid)

[output]

Training until validation scores don't improve for 100 rounds.
[500]   valid_0's l2: 10.8615
[1000]  valid_0's l2: 10.0345
[1500]  valid_0's l2: 9.66004
Early stopping, best iteration is:
[1651]  valid_0's l2: 9.57796
CPU times: user 3min 51s, sys: 223 ms, total: 3min 51s
Wall time: 3.62 s

정확도 비교

모델 튜닝은 제대로 하지 않습니다. 그래서 어느 것이 성능이 좋은지는 모르겠지만, 겨우 사용한 느낌으로는 이 정도의 데이터라면 손색 없네요.

모델
유효 MSE

NGBoost
9.53386

LightGBM
9.57796

NGBoost 분포 시각화

NGBoost의 분포를 시각화했습니다. 여기가 NGBoost의 키모라고 생각합니다!
각 그리드의 1 매스가 X_valid의 1 레코드 마다 대응하는 예측 결과가 됩니다. X_valid가 102행이므로 그래프도 102개 출력됩니다.
모델의 예측 결과는 정규 분포를 채용하고 있기 때문에 평균을 점 추정하고 있는 것을 알 수 있습니다.

표시 관계에서 처음 네 줄만 표시합니다. 모두 보고 싶은 분은 여기 를 봐 주세요.

위의 그래프를 그리는 코드는 이쪽.

offset = np.ptp(y_preds)*0.1
y_range = np.linspace(min(y_valid)-offset, max(y_valid)+offset, 200).reshape((-1, 1))
dist_values = y_dists.pdf(y_range).transpose()

plt.figure(figsize=(25, 120))
for idx in tqdm(np.arange(X_valid.shape[0])):

    plt.subplot(35, 3, idx+1)
    plt.plot(y_range, dist_values[idx])

    plt.vlines(y_preds[idx], 0, max(dist_values[idx]), "r", label="ngb pred")
    plt.vlines(y_pred_lgb[idx], 0, max(dist_values[idx]), "purple", label="lgb pred")
    plt.vlines(y_valid[idx], 0, max(dist_values[idx]), "pink", label="ground truth")
    plt.legend(loc="best")
    plt.title(f"idx: {idx}")
    plt.xlim(y_range[0], y_range[-1])
plt.tight_layout()
plt.show()