![Regret 上限
「UCBは最適値へ収束する理論的保証あり」
正確には
• 累積 Regret RT が Regret 上限 G(T)√α
以下になる確率が⼤きい
Pr[RT ≦ G(T)√α] ≧ 1 – δ
α = log(2/δ)
• δ を⼩さくすると上限が緩くなる
66](https://image.slidesharecdn.com/20170701-170701113402/75/slide-66-2048.jpg)
Uploaded byhoxo_m
機械学習のためのベイズ最適化入門
db analytics showcase Sapporo 2017 発表資料 http://www.db-tech-showcase.com/dbts/analytics
More Related Content
![[DL輪読会]Deep Learning 第15章 表現学習](https://cdn.slidesharecdn.com/ss_thumbnails/deeplearning15-180601023904-thumbnail.jpg?width=640&height=640&fit=bounds)
![SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜](https://cdn.slidesharecdn.com/ss_thumbnails/ts120220608ssiitransformerr2-220607054025-3adacf07-thumbnail.jpg?width=640&height=640&fit=bounds)
![[DL輪読会]Flow-based Deep Generative Models](https://cdn.slidesharecdn.com/ss_thumbnails/20190307-190328024744-thumbnail.jpg?width=640&height=640&fit=bounds)
![[DL輪読会]Control as Inferenceと発展](https://cdn.slidesharecdn.com/ss_thumbnails/20191004-191204055019-thumbnail.jpg?width=640&height=640&fit=bounds)
機械学習のためのベイズ最適化入門
- 1. 機械学習のための ベイズ最適化⼊⾨ 2017/07/01 牧⼭ 幸史 db analyticshowcase 2017 1
- 2. ⾃⼰紹介 • ヤフー株式会社 データサイエンティスト • SBイノベンチャー(株) AI エンジニア • 株式会社ホクソエム 代表取締役 CEO 2
- 3. 本⽇の内容 • ベイズ最適化 (BayesianOptimization) を機械学習のハイパーパラメータ探索に 利⽤ • 効率的な探索を実現 • 実⾏⽅法まで • 詳しくはこの本で → 3
- 4. ⽬次 1. はじめに 2. ハイパーパラメータ探索 3. グリッドサーチ 4. ベイズ最適化 5. 獲得関数 6. ガウス過程 7. 実⾏ツール 4
- 5. 1. はじめに • ベイズ最適化が注⽬を集めている • ベイズ最適化： 形状の分からない関数(ブラックボックス関数)の 最⼤値または最⼩値を求める⼿法 • 機械学習のハイパーパラメータ探索に利⽤ • 効率的に精度の良い学習モデルを発⾒ 5
- 6. ベイズ最適化 • ベイズ最適化とは – ⼤域的最適化問題 (GlobalOptimization) – 逐次最適化⼿法 (Sequential Optimization) • 適⽤対象 – ブラックボックス関数 (関数の形が不明) – 計算コストが⼤きい (時間、お⾦) • 要求: 少ない評価回数で最適値を求めたい 6
- 7.
- 8.
- 9. 逐次最適化の⾃動化 • これまでの結果を⾒て次にどこを観測し たらいいかは⼈間にはなんとなくわかる ➡︎ これを⾃動化したい • ベイズ最適化 – ⼈間の直観的な判断を再現している 9
- 10. 1. まとめ • ベイズ最適化は⾼コストなブラックボッ クス関数の最適点を効率良く求める⼿法 • 何に使いたいか？ ➡︎ 機械学習のハイパーパラメータ探索 10
- 11. ⽬次 1. はじめに 2. ハイパーパラメータ探索 3. グリッドサーチ 4. ベイズ最適化 5. 獲得関数 6. ガウス過程 7. 実⾏ツール 11
- 12. 2. ハイパーパラメータ探索 • ほとんどの機械学習⼿法には、ハイパー パラメータが存在 • ハイパーパラメータ： – データの学習では決定されないパラメータ – 学習の前にあらかじめ決めておく 12
- 13. 例： RBF SVM • RBF カーネルでデータを⾼次元空間へ • マージン最⼤化 • 判別境界 13出典： 1.4. Support Vector Machines ー scikit-learn documentation
- 14. 例： RBF SVM • ハイパーパラメータ 2つ • gamma: – 1つのサポートベクタが影響を及ぼす範囲 – ⼤きいほど影響範囲が⼩さく過学習 • cost: – 判別境界の単純さと誤分類のトレードオフ – ⼤きいほど誤分類が少ないが過学習 14
- 15. 例： RBF SVM 15出典：RBF SVM parameters — scikit-learn documentation cost: ⼤ gamma: ⼤ ベスト
- 16. ハイパーパラメータ探索 • ハイパーパラメータの選び⽅によって 精度が劇的に変わる • 意味を考えて慎重に選択する必要 • データと学習モデルに対する深い理解 • 職⼈芸 16
- 17. 2. まとめ • ハイパーパラメータは学習前に決める • 決め⽅で精度が劇的に変わる • チューニングは職⼈芸 • もっと簡単にできないか？ ➡︎ グリッドサーチ 17
- 18. ⽬次 1. はじめに 2. ハイパーパラメータ探索 3. グリッドサーチ 4. ベイズ最適化 5. 獲得関数 6. ガウス過程 7. 実⾏ツール 18
- 19. 3. グリッドサーチ • ハイパーパラメータの選択は職⼈芸 • もっと簡単にやる⽅法としてグリッド サーチがある 19
- 20.
- 21. グリッドサーチ • ハイパーパラメータの格⼦を作る • gamma= (10-5, 10-4, … , 102, 103) • cost = (10-4, 10-3, … , 103, 104) • それぞれの組み合わせでモデルを学習 • 例： • cost = 10-4, gamma = 10-5 ➡︎ 正答率 • cost = 10-4, gamma = 103 ➡︎ 正答率 21
- 22.
- 23. グリッドサーチ • すべての組み合わせに対して正答率を求 め、最も良いものを選択する ※正答率はクロスバリデーションで求めた • シンプルでわかりやすい • しかし、グリッドのすべての組み合わせ (今回は10 ✖ 10 = 100) に対して正答率を 計算するのは時間がかかる 23
- 24. 3. まとめ • グリッドサーチはハイパーパラメータの すべての組み合わせに対して正答率を計 算し最良のものを選ぶ • データが多い場合、1回のモデルの学習に 多⼤な時間がかかる • 効率的に探索したい ➡︎ ベイズ最適化 24
- 25. ⽬次 1. はじめに 2. ハイパーパラメータ探索 3. グリッドサーチ 4. ベイズ最適化 5. 獲得関数 6. ガウス過程 7. 実⾏ツール 25
- 26. 4. ベイズ最適化 • グリッドサーチは、すべての組み合わせ についてモデルを学習 ➡︎時間がかかる • ベイズ最適化により効率的な探索が可能 26
- 27.
- 28. ベイズ最適化 • 次にどこを観測するか？ – 右下が良さそう – 真ん中がスカスカ • ベイズ最適化 – 正答率が良さそうなエリアを優先的に観測 – 局所解に陥らないようにスカスカのエリアも たまに観測 28
- 29. 観測数 = 15 • 右下を重点的に観測、スカスカエリアも観測 29
- 30. 観測数 = 30 • 評価値の良さそうなエリアが⼤体⾒える 30
- 31. 観測数 = 50 • 良さそうなエリアが埋まり、最適解が求まる 31
- 32. 4. まとめ • ベイズ最適化を使って、効率的に最適解 に到達 • 100個の格⼦点に対して 50回 • これまでの評価値に基づいて次の観測点 を⾃動的に判断 • どうやって判断しているか？ ➡︎ 獲得関数 32
- 33. ⽬次 1. はじめに 2. ハイパーパラメータ探索 3. グリッドサーチ 4. ベイズ最適化 5. 獲得関数 6. ガウス過程 7. 実⾏ツール 33
- 34. 5. 獲得関数 • ベイズ最適化は次の観測点を⾃動で判断 • 様々な戦略が提案されている ① PI 戦略 ② EI 戦略 ③ UCB 戦略 • 獲得関数は、それぞれの戦略で最⼤化さ れる関数 34
- 35. ① PI 戦略 • PI 戦略 – Probability of Improvement (改善確率) – 現在の最⼤値 ybest – ybest を超える確率が最も⾼い点を次に観測 • シンプルで分かりやすいが局所解に陥る ことも 35
- 36. ② EI 戦略 • PI 戦略は改善確率のみを考えた • 確率が⾼くても改善量が⼩さいと⾮効率 • EI 戦略 – Expected Improvement (期待改善量) – 評価値とベストの差 y – ybest の期待値が最も ⾼くなる点を次に観測 • 最も⼀般的に使われている 36
- 37. ③ UCB 戦略 • UCB 戦略 – Upper Confidence Bound (上側信頼限界) – 評価値の信頼区間の上限が最も⾼い点を次に 観測 • 最適解にたどり着く理論的保証がある 37
- 38. 獲得関数 • それぞれの戦略は何らかの関数を最⼤化 する点を次に観測する – PI(x): y が ybest を超える確率 – EI(x) : y – ybest の期待値 – UCB(x): y の信頼区間の上限 • このような関数を獲得関数と呼ぶ 38
- 39. 5. まとめ • ベイズ最適化では獲得関数を最⼤化する 点を次に選ぶ • 獲得関数は確率、期待値、信頼区間など を使⽤ • どうやって計算するか？ ➡︎ ガウス過程 39
- 40. ⽬次 1. はじめに 2. ハイパーパラメータ探索 3. グリッドサーチ 4. ベイズ最適化 5. 獲得関数 6. ガウス過程 7. 実⾏ツール 40
- 41. 6. ガウス過程 • ベイズ最適化では獲得関数を最⼤化する 点を次に観測 • 獲得関数には確率や期待値が使われる • これらを計算するために、最適化したい 関数がガウス過程に従うと仮定する 41
- 42. ガウス過程 • 関数がガウス過程に従う？ • 例：形状の分からない関数 y = f(x) • 次の5点を観測 42 x y 0.1 0.08 0.4 −0.30 0.5 −0.48 0.7 0.46 0.9 0.37
- 43.
- 44. ガウス過程 • 未観測点の期待値 µと分散 σ2 を算出可能 44 σ µ
- 45. ガウス過程 • 未観測点の期待値 µと分散 σ2 を算出可能 • µ が⼤きい： 周囲の観測点が⼤きい • σ が⼤きい： 周囲が観測されていない • µ が⼤きい点を次の観測点に選べば、⼤き い値が期待できる • しかし、そればかりでは局所解に陥る • 適度に σ の⼤きい点を探索する必要あり 45
- 46. ガウス過程 • ガウス過程を仮定することで獲得関数が 計算可能に • カーネル関数の選択が必要 – Squared Exponential: – Matern: 46
- 47. カーネル関数 • 観測点同⼠がどれぐらい影響し合うか • 例：Squared Exponential • 距離 d が遠いほど影響は⼩さくなる ➡︎「近い観測点は同じぐらいの値」を表現 47
- 48. 6. まとめ • 獲得関数を計算するためにガウス過程を 仮定する • 未評価点は近隣の評価点と近い値を取る • どれぐらい近くの評価点が影響するかは カーネル関数で決まる 48
- 49. ⽬次 1. はじめに 2. ハイパーパラメータ探索 3. グリッドサーチ 4. ベイズ最適化 5. 獲得関数 6. ガウス過程 7. 実⾏ツール 49
- 50. 7. 実⾏ツール • ベイズ最適化を⾏うツールはたくさん – SMAC – Spearmint (Python; ⾮商⽤) – COMBO (Python; 東京⼤学 津⽥研) – GPyOpt (Python) – bayesian-optimization (Python) – rBayesianOptimization (R) 50
- 51.
- 52.
- 53. 7. まとめ • ベイズ最適化の実⾏ツールはたくさん • 特に Python ライブラリが多い • 簡単に実⾏できる – グリッド範囲の指定 – 獲得関数の指定 – カーネル関数の指定 • ぜひ実⾏してみて下さい！ 53
- 54. 本⽇のまとめ • ベイズ最適化は⾼コストなブラックボッ クス関数の最適点を効率良く求める⼿法 • ガウス過程を⽤いて⽬的関数を表現 • 獲得関数が最⼤となる点を次の観測点に 選ぶ • ツールがたくさんあり簡単に実⾏できる 54
- 55.
- 56. ランダムサーチ • Bergstra &Bengio (JMLR 2012) • ⼀部の機械学習⼿法において、ハイパー パラメータ探索はランダムサーチが有効 である • これは、機械学習の精度を左右するハイ パーパラメータは少数だからである 56
- 57. ランダムサーチ • Bergstra &Bengio (JMLR 2012) 57
- 58. 58 SMAC: ベイズ最適化ツール TPE: Tree Parzen Estimator (Bergstra+NIPS 2011) Random: ランダムサーチ Random_2x: 2並列ランダムサーチ Li+ (arXiv 2016) Hyperband
- 59. 獲得関数 MI (Contal+2014) • Mutual Information (相互情報量) • 次の探索点として、獲得関数 MI(x) = µ(x) + K Φt(x) が最も⼤きい点 x を選ぶ • γt^ は f(xt) を観測したときに得られる 相互情報量の下限を表す 59
- 60. 相互情報量 • ガウス過程の相互情報量(f と観測値)： • γT を相互情報量の最⼤値と定義する 60 (Srinivas+2012)
- 61. GP-MI の獲得関数 • 相互情報量は最低限これだけ増加する • 情報量の増加が⼤きい点を次に選ぶ戦略 61 これまでの 情報量の下限 もし点 x を観測したら 得られる情報量の下限
- 62. テスト関数 62 (図1) 混合ガウス分布 (図2)Himmelblau
- 63.
- 64. アルゴリズムの評価 • アルゴリズムの評価に Regret(後悔) を使 う。 • Regret とは、探索点における f(xt) と最適 値 f(x★) の差 • 累積 Regret が⼩さいと良いアルゴリズム 64
- 65.
- 66. Regret 上限 「UCBは最適値へ収束する理論的保証あり」 正確には • 累積Regret RT が Regret 上限 G(T)√α 以下になる確率が⼤きい Pr[RT ≦ G(T)√α] ≧ 1 – δ α = log(2/δ) • δ を⼩さくすると上限が緩くなる 66
- 67.