Tpottemplates
此文件是 TPOT 库的一部分。
当前版本的 TPOT 由 Cedars-Sinai 的以下人员开发:- Pedro Henrique Ribeiro (https://github.com/perib, https://www.linkedin.com/in/pedro-ribeiro/) - Anil Saini (anil.saini@cshs.org) - Jose Hernandez (jgh9094@gmail.com) - Jay Moran (jay.moran@cshs.org) - Nicholas Matsumoto (nicholas.matsumoto@cshs.org) - Hyunjun Choi (hyunjun.choi@cshs.org) - Gabriel Ketron (gabriel.ketron@cshs.org) - Miguel E. Hernandez (miguel.e.hernandez@cshs.org) - Jason Moore (moorejh28@gmail.com)
TPOT 的原始版本主要由宾夕法尼亚大学的以下人员开发:- Randal S. Olson (rso@randalolson.com) - Weixuan Fu (weixuanf@upenn.edu) - Daniel Angell (dpa34@drexel.edu) - Jason Moore (moorejh28@gmail.com) - 以及许多其他慷慨的开源贡献者
TPOT 是免费软件:您可以根据自由软件基金会发布的 GNU 宽通用公共许可证(GNU Lesser General Public License)条款重新分发和/或修改它,无论是该许可证的第 3 版本,还是(由您选择)任何更高版本。
TPOT 的分发是希望它有用,但不提供任何担保;甚至不提供适销性或特定用途适用性的默示担保。有关更多详细信息,请参阅 GNU 宽通用公共许可证。
您应该已经随 TPOT 收到了 GNU 宽通用公共许可证的副本。如果未收到,请参阅 https://gnu.ac.cn/licenses/。
TPOTClassifier ¶
源代码位于 tpot/tpot_estimator/templates/tpottemplates.py
308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 | |
__init__(search_space='linear', scorers=['roc_auc_ovr'], scorers_weights=[1], cv=10, other_objective_functions=[], other_objective_functions_weights=[], objective_function_names=None, bigger_is_better=True, categorical_features=None, memory=None, preprocessing=False, max_time_mins=60, max_eval_time_mins=10, n_jobs=1, validation_strategy='none', validation_fraction=0.2, early_stop=None, warm_start=False, periodic_checkpoint_folder=None, verbose=2, memory_limit=None, client=None, random_state=None, allow_inner_classifiers=None, **tpotestimator_kwargs) ¶
一个使用遗传编程优化分类流水线的 sklearn baseestimator。有关更多参数,请参阅 TPOTEstimator 类。
参数
| 名称 | 类型 | 描述 | 默认值 |
|---|---|---|---|
search_space |
(字符串, SearchSpace)
|
请注意,TPOT MDR 运行可能较慢,因为特征选择例程计算成本高昂,尤其是在大型数据集上。 | - SearchSpace : 用于优化的搜索空间。这应该是一个 SearchSpace 的实例。用于优化的搜索空间。这应该是一个 SearchSpace 的实例。TPOT 在以下文件夹中包含搜索空间组:tpot.search_spaces.nodes 用于流水线中的节点,tpot.search_spaces.pipelines 用于流水线结构。 |
'linear'
|
scorers |
(列表, 评分器)
|
用于交叉验证过程的评分器或评分器列表。参见 https://scikit-learn.cn/stable/modules/model_evaluation.html |
['roc_auc_ovr']
|
scorers_weights |
列表
|
在优化过程中应用于评分器的权重列表。 |
[1]
|
classification |
布尔值
|
如果为 True,则将问题视为分类问题。如果为 False,则将问题视为回归问题。用于确定 CV 策略。 |
必需 |
cv |
(整型, 交叉 - 验证器)
|
|
10
|
other_objective_functions |
列表
|
应用于流水线的其他目标函数列表。该函数接受 graphpipeline 估计器的单个参数,并返回单个分数或分数列表。 |
[]
|
other_objective_functions_weights |
列表
|
应用于其他目标函数的权重列表。 |
[]
|
objective_function_names |
列表
|
应用于目标函数的名称列表。如果为 None,将使用目标函数的名称。 |
None
|
bigger_is_better |
布尔值
|
如果为 True,则目标函数最大化。如果为 False,则目标函数最小化。使用负权重可以反转方向。 |
True
|
categorical_features |
列表 或 None
|
在预处理步骤中用于填充和/或独热编码的分类列。仅当 preprocessing 不为 False 时使用。 |
None
|
categorical_features |
在预处理步骤中用于填充和/或独热编码的分类列。仅当 preprocessing 不为 False 时使用。- None : 如果为 None,TPOT 将自动使用 pandas 数据框中的对象列作为对象进行预处理中的独热编码。- 分类特征列表。如果 X 是一个数据框,这应该是一个列名列表。如果 X 是一个 numpy 数组,这应该是一个列索引列表。 |
None
|
|
memory |
如果提供,流水线将在使用 joblib.Memory 调用 fit 后缓存每个变换器。此功能用于在优化过程中,如果参数和输入数据与另一个已拟合的流水线相同,则避免计算流水线内的已拟合变换器。- 字符串 'auto':TPOT 使用临时目录进行内存缓存,并在关闭时清理它。- 字符串 缓存目录路径:TPOT 使用提供的目录进行内存缓存,TPOT 在关闭时不会清理缓存目录。如果目录不存在,TPOT 将创建它。- Memory 对象:TPOT 使用 joblib.Memory 实例进行内存缓存,TPOT 在关闭时不会清理缓存目录。- None:TPOT 不使用内存缓存。 |
None
|
|
preprocessing |
(布尔值 或 BaseEstimator / Pipeline)
|
实验性功能 在 CV 之前用于预处理数据的流水线。请注意,这些步骤的参数不会被优化。将它们添加到搜索空间中进行优化。- 布尔值 : 如果为 True,将使用默认预处理流水线,其中包括填充和独热编码。- Pipeline : 如果提供了一个流水线实例,将使用该流水线作为预处理流水线。 |
False
|
max_time_mins |
浮点型
|
运行优化的最大时间。如果为 none 或 inf,将运行直到世代结束。 |
float("inf")
|
max_eval_time_mins |
浮点型
|
评估单个个体的最大时间。如果为 none 或 inf,则每次评估没有时间限制。 |
60*5
|
n_jobs |
整型
|
并行运行的进程数。 |
1
|
validation_strategy |
字符串
|
实验性功能 用于从种群中选择最终流水线的验证策略。TPOT 可能会过度拟合交叉验证分数。可以使用第二个验证集来选择最终流水线。- 'auto' : 根据数据集形状自动确定验证策略。- 'reshuffled' : 交叉验证和最终验证使用相同的数据,但折叠划分不同。这是小型数据集的默认设置。- 'split' : 使用单独的验证集进行最终验证。数据将根据 validation_fraction 进行分割。这是中型数据集的默认设置。- 'none' : 不使用单独的验证集进行最终验证。根据原始交叉验证分数进行选择。这是大型数据集的默认设置。 |
'none'
|
validation_fraction |
浮点型
|
实验性功能 当 validation_strategy 为 'split' 时,用于验证集的数据集比例。必须介于 0 和 1 之间。 |
0.2
|
early_stop |
整型
|
在没有改进的情况下进行早期停止的世代数。所有目标必须在容差范围内收敛才能触发此功能。通常 5-20 的值比较合适。 |
None
|
warm_start |
布尔值
|
如果为 True,将从上次运行的最后一代继续进化算法。 |
False
|
periodic_checkpoint_folder |
字符串
|
定期保存种群的文件夹。如果为 None,则不进行定期保存。如果提供,训练将从该检查点恢复。 |
None
|
verbose |
整型
|
优化过程中打印信息的详细程度。较高的值包含较低值的信息。0. 无任何信息 1. 进度条
|
1
|
memory_limit |
字符串
|
每个任务的内存限制。有关更多信息,请参阅 Dask LocalCluster 文档。 |
None
|
client |
Client
|
用于并行化的 dask 客户端。如果不是 None,这将覆盖 n_jobs 和 memory_limit 参数。如果为 None,将创建一个 num_workers=n_jobs 和 memory_limit=memory_limit 的新客户端。 |
None
|
random_state |
(整型, None)
|
用于实验重现性的种子。此值将传递给 numpy.random.default_rng() 以创建要传递给其他类的生成器实例。
|
None
|
allow_inner_classifiers |
布尔值
|
如果为 True,则搜索空间将包括集成分类器。 |
True
|
属性
| 名称 | 类型 | 描述 |
|---|---|---|
fitted_pipeline_ |
GraphPipeline
|
一个拟合好的 GraphPipeline 实例,它继承自 sklearn BaseEstimator。这是在传递给 fit 的完整 X, y 数据上拟合的。 |
evaluated_individuals |
一个 pandas 数据框,包含运行中所有已评估个体的数据。
|
列:- *目标函数 : 前几列对应于传入的评分器和目标函数。- Parents : 一个元组,包含用于生成该行流水线的流水线索引。如果为 NaN,则此流水线是在初始种群中随机生成的。- Variation_Function : 用于变异或交叉父代的变异函数。如果为 NaN,则此流水线是在初始种群中随机生成的。- Individual : 在进化算法中使用的个体的内部表示。这并非 sklearn BaseEstimator。- Generation : 流水线首次出现的世代。- Pareto_Front : 此流水线所属的非支配前沿。0 表示其分数未被任何其他个体严格支配。为了节省计算时间,最佳前沿在每个世代中迭代更新。具有第 0 Pareto 前沿的流水线确实代表了精确的最佳前沿。但是,具有 Pareto 前沿 >= 1 的流水线仅与最终种群中的其他流水线相关。所有其他流水线都设置为 NaN。- Instance : 未拟合的 GraphPipeline BaseEstimator。- *验证目标函数 : 在验证集上评估的目标函数分数。- Validation_Pareto_Front : 在验证集上计算的完整 Pareto 前沿。这是为所有 Pareto_Front 等于 0 的流水线计算的。与仅计算前沿和最终种群的 Pareto_Front 不同,Validation Pareto Front 是为所有在验证集上测试的流水线计算的。 |
pareto_front |
与 evaluated_individuals 相同的 pandas 数据框,但仅包含前沿 Pareto 前沿流水线。
|
|
源代码位于 tpot/tpot_estimator/templates/tpottemplates.py
309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 | |
TPOTRegressor ¶
源代码位于 tpot/tpot_estimator/templates/tpottemplates.py
46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 | |
__init__(search_space='linear', scorers=['neg_mean_squared_error'], scorers_weights=[1], cv=10, other_objective_functions=[], other_objective_functions_weights=[], objective_function_names=None, bigger_is_better=True, categorical_features=None, memory=None, preprocessing=False, max_time_mins=60, max_eval_time_mins=10, n_jobs=1, validation_strategy='none', validation_fraction=0.2, early_stop=None, warm_start=False, periodic_checkpoint_folder=None, verbose=2, memory_limit=None, client=None, random_state=None, allow_inner_regressors=None, **tpotestimator_kwargs) ¶
一个使用遗传编程优化回归流水线的 sklearn baseestimator。有关更多参数,请参阅 TPOTEstimator 类。
参数
| 名称 | 类型 | 描述 | 默认值 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
search_space |
(字符串, SearchSpace)
|
请注意,TPOT MDR 运行可能较慢,因为特征选择例程计算成本高昂,尤其是在大型数据集上。 | - SearchSpace : 用于优化的搜索空间。这应该是一个 SearchSpace 的实例。用于优化的搜索空间。这应该是一个 SearchSpace 的实例。TPOT 在以下文件夹中包含搜索空间组:tpot.search_spaces.nodes 用于流水线中的节点,tpot.search_spaces.pipelines 用于流水线结构。 |
'linear'
|
||||||||||||
scorers |
(列表, 评分器)
|
用于交叉验证过程的评分器或评分器列表。参见 https://scikit-learn.cn/stable/modules/model_evaluation.html |
['neg_mean_squared_error']
|
||||||||||||
scorers_weights |
列表
|
在优化过程中应用于评分器的权重列表。 |
[1]
|
||||||||||||
classification |
布尔值
|
如果为 True,则将问题视为分类问题。如果为 False,则将问题视为回归问题。用于确定 CV 策略。 |
必需 | ||||||||||||
cv |
(整型, 交叉 - 验证器)
|
|
10
|
||||||||||||
other_objective_functions |
列表
|
应用于流水线的其他目标函数列表。该函数接受 graphpipeline 估计器的单个参数,并返回单个分数或分数列表。 |
[]
|
||||||||||||
other_objective_functions_weights |
列表
|
应用于其他目标函数的权重列表。 |
[]
|
||||||||||||
objective_function_names |
列表
|
应用于目标函数的名称列表。如果为 None,将使用目标函数的名称。 |
None
|
||||||||||||
bigger_is_better |
布尔值
|
如果为 True,则目标函数最大化。如果为 False,则目标函数最小化。使用负权重可以反转方向。 |
True
|
||||||||||||
categorical_features |
列表 或 None
|
在预处理步骤中用于填充和/或独热编码的分类列。仅当 preprocessing 不为 False 时使用。 |
None
|
||||||||||||
categorical_features |
在预处理步骤中用于填充和/或独热编码的分类列。仅当 preprocessing 不为 False 时使用。- None : 如果为 None,TPOT 将自动使用 pandas 数据框中的对象列作为对象进行预处理中的独热编码。- 分类特征列表。如果 X 是一个数据框,这应该是一个列名列表。如果 X 是一个 numpy 数组,这应该是一个列索引列表。 |
None
|
|||||||||||||
memory |
如果提供,流水线将在使用 joblib.Memory 调用 fit 后缓存每个变换器。此功能用于在优化过程中,如果参数和输入数据与另一个已拟合的流水线相同,则避免计算流水线内的已拟合变换器。- 字符串 'auto':TPOT 使用临时目录进行内存缓存,并在关闭时清理它。- 字符串 缓存目录路径:TPOT 使用提供的目录进行内存缓存,TPOT 在关闭时不会清理缓存目录。如果目录不存在,TPOT 将创建它。- Memory 对象:TPOT 使用 joblib.Memory 实例进行内存缓存,TPOT 在关闭时不会清理缓存目录。- None:TPOT 不使用内存缓存。 |
None
|
|||||||||||||
preprocessing |
(布尔值 或 BaseEstimator / Pipeline)
|
实验性功能 在 CV 之前用于预处理数据的流水线。请注意,这些步骤的参数不会被优化。将它们添加到搜索空间中进行优化。- 布尔值 : 如果为 True,将使用默认预处理流水线,其中包括填充和独热编码。- Pipeline : 如果提供了一个流水线实例,将使用该流水线作为预处理流水线。 |
False
|
||||||||||||
max_time_mins |
浮点型
|
运行优化的最大时间。如果为 none 或 inf,将运行直到世代结束。 |
float("inf")
|
||||||||||||
max_eval_time_mins |
浮点型
|
评估单个个体的最大时间。如果为 none 或 inf,则每次评估没有时间限制。 |
60*5
|
||||||||||||
n_jobs |
整型
|
并行运行的进程数。 |
1
|
||||||||||||
validation_strategy |
字符串
|
实验性功能 用于从种群中选择最终流水线的验证策略。TPOT 可能会过度拟合交叉验证分数。可以使用第二个验证集来选择最终流水线。- 'auto' : 根据数据集形状自动确定验证策略。- 'reshuffled' : 交叉验证和最终验证使用相同的数据,但折叠划分不同。这是小型数据集的默认设置。- 'split' : 使用单独的验证集进行最终验证。数据将根据 validation_fraction 进行分割。这是中型数据集的默认设置。- 'none' : 不使用单独的验证集进行最终验证。根据原始交叉验证分数进行选择。这是大型数据集的默认设置。 |
'none'
|
||||||||||||
validation_fraction |
浮点型
|
实验性功能 当 validation_strategy 为 'split' 时,用于验证集的数据集比例。必须介于 0 和 1 之间。 |
0.2
|
||||||||||||
early_stop |
整型
|
在没有改进的情况下进行早期停止的世代数。所有目标必须在容差范围内收敛才能触发此功能。通常 5-20 的值比较合适。 |
None
|
||||||||||||
warm_start |
布尔值
|
如果为 True,将从上次运行的最后一代继续进化算法。 |
False
|
||||||||||||
periodic_checkpoint_folder |
字符串
|
定期保存种群的文件夹。如果为 None,则不进行定期保存。如果提供,训练将从该检查点恢复。 |
None
|
||||||||||||
verbose |
整型
|
优化过程中打印信息的详细程度。较高的值包含较低值的信息。0. 无任何信息 1. 进度条
|
1
|
||||||||||||
memory_limit |
字符串
|
每个任务的内存限制。有关更多信息,请参阅 Dask LocalCluster 文档。 |
None
|
||||||||||||
client |
Client
|
用于并行化的 dask 客户端。如果不是 None,这将覆盖 n_jobs 和 memory_limit 参数。如果为 None,将创建一个 num_workers=n_jobs 和 memory_limit=memory_limit 的新客户端。 |
None
|
||||||||||||
random_state |
(整型, None)
|
用于实验重现性的种子。此值将传递给 numpy.random.default_rng() 以创建要传递给其他类的生成器实例。
|
None
|
||||||||||||
allow_inner_regressors |
布尔值
|
如果为 True,则搜索空间将包括集成回归器。 |
True
|
属性
| 名称 | 类型 | 描述 |
|---|---|---|
fitted_pipeline_ |
GraphPipeline
|
一个拟合好的 GraphPipeline 实例,它继承自 sklearn BaseEstimator。这是在传递给 fit 的完整 X, y 数据上拟合的。 |
evaluated_individuals |
一个 pandas 数据框,包含运行中所有已评估个体的数据。
|
列:- *目标函数 : 前几列对应于传入的评分器和目标函数。- Parents : 一个元组,包含用于生成该行流水线的流水线索引。如果为 NaN,则此流水线是在初始种群中随机生成的。- Variation_Function : 用于变异或交叉父代的变异函数。如果为 NaN,则此流水线是在初始种群中随机生成的。- Individual : 在进化算法中使用的个体的内部表示。这并非 sklearn BaseEstimator。- Generation : 流水线首次出现的世代。- Pareto_Front : 此流水线所属的非支配前沿。0 表示其分数未被任何其他个体严格支配。为了节省计算时间,最佳前沿在每个世代中迭代更新。具有第 0 Pareto 前沿的流水线确实代表了精确的最佳前沿。但是,具有 Pareto 前沿 >= 1 的流水线仅与最终种群中的其他流水线相关。所有其他流水线都设置为 NaN。- Instance : 未拟合的 GraphPipeline BaseEstimator。- *验证目标函数 : 在验证集上评估的目标函数分数。- Validation_Pareto_Front : 在验证集上计算的完整 Pareto 前沿。这是为所有 Pareto_Front 等于 0 的流水线计算的。与仅计算前沿和最终种群的 Pareto_Front 不同,Validation Pareto Front 是为所有在验证集上测试的流水线计算的。 |
pareto_front |
与 evaluated_individuals 相同的 pandas 数据框,但仅包含前沿 Pareto 前沿流水线。
|
|
源代码位于 tpot/tpot_estimator/templates/tpottemplates.py
47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 | |