PyMagic

💻 Подбор оптимальных гиперпараметров модели и применение AutoML



🤔 Если вы решили потренироваться на площадке Kaggle, поучаствовать в одном из соревнований, да и не только в соревновании, а сделать просто свой проект, либо решить задачу на рабочем месте, то определенно вам нужно подобрать оптимальные параметры для вашей модели машинного обучения, чтобы минимизировать ту или иную метрику.



Вы можете использовать GridSearch, но у вас этих параметров много и большой дотаяет, то как говорится этот способ будет дорогой и не экономной 💴



✅ Тут на помощь вам приходит Фреймворк для автоматического подбора гиперпараметров Optuna, он быстрее в особенности за счет того, что учитывает результаты на предыдущем шаге при подборе. Также вы можете отсекать бесперспективные результаты испытаний во время оптимизации.



🦙 Далее раз уж упомянули AutoML, то рассмотрим один из фреймворков LAMA от Сбер. Плюс в том, что по умолчанию вы можете и не задумываться о том, какие модели вы должны применить для этой задачи, а также за подбор гиперпараметров. По желанию вы можете указать только те модели, которые бы хотели использовать в пайплане, также устанавливать на каких уровнях какие модели могут использоваться и много чего еще. Хотелось бы еще упомянуть про автоматическое создание отчетов, где может храниться вся информация о вашем исследовании.



Более подробно как использовать Optuna на примере LightGBM и применении AutoML LAMA рассмотрено в видео 👇



https://youtu.be/Vgm2ddpdnxA