automl/auto-sklearn

Avoid costly re-building of pipelines

Open

#443 opened on 2018年3月21日

GitHub で見る
 (3 comments) (0 reactions) (0 assignees)Python (7,270 stars) (1,265 forks)batch import
Good first issueenhancement

説明

Currently, SMAC suggests hyperparameter configurations which are independent of the dataset size. For example, the hyperparameter classifier:max_features which is specified between zero and one is transformed according to max_features = int(n_features ** classifier:max_features). Assuming the dataset in question has only 10 features, SMAC does not know that most values of the tuned hyperparameter map to the same hyperparameter applied to the actual model. Therefore, one needs to track the 'actual' hyperparameters after transformation and check whether they are re-used, and return a cached function value to SMAC if done so.

Initial experiments suggest that 1-2% of the overall runs are actually re-optimizations.

コントリビューターガイド

技術スタック
python
領域
machine learningperformance
Issue 種別
performance
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
3-5 days
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
Pythonauto sklearnhyperparameter tuning
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
30
調査方針
First, understand how SMAC maps hyperparameters to model values by examining the transformation code in auto sklearn, likely in the smac module. Then, implement a caching mechanism that stores the actual hyperparameter values after transformation and returns cached results when re optimizations are detected. Look at the existing SMAC interface to integrate the cache without breaking functionality.