Python实现基于Optuna超参数自动优化的xgboost回归模型(XGBRegressor算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。

 1.项目背景

Optuna是一个开源的超参数优化(HPO)框架，用于自动执行超参数的搜索空间。 为了找到最佳的超参数集，Optuna使用贝叶斯方法。

xgboost是一种集成分类器（弱分类器），xgboost 是基于提升树的。

本项目使用基于Optuna超参数自动优化的XGBRegressor算法来解决回归问题。

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：

 数据详情如下(部分展示)：

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据：

从上图可以看到，总共有8个字段。

关键代码：

3.2 缺失值统计

使用Pandas工具的info()方法统计每个特征缺失情况：

 

从上图可以看到，数据不存在缺失值，总数据量为1000条。

关键代码：

 

3.3 变量描述性统计分析

通过Pandas工具的describe()方法来来统计变量的平均值、标准差、最大值、最小值、分位数等信息： 

关键代码如下：

4.探索性数据分析

4.1 y变量分布直方图

通过Matpltlib工具的hist()方法绘制直方图：

从上图可以看出，y主要集中在-200到200之间。

4.2 相关性分析

通过Pandas工具的corr()方法和seaborn工具的heatmap()方法绘制相关性热力图：

从图中可以看到，正数为正相关，负数为负相关，绝对值越大相关性越强。

5.特征工程

5.1 建立特征数据和标签数据

y为标签数据，除 y之外的为特征数据。关键代码如下：

 

5.2 数据集拆分

数据集集拆分，分为训练集和测试集，80%训练集和20%测试集。关键代码如下：

6.构建Optuna超参数自动化的XGBoost回归模型

主要使用基于Optuna超参数自动化调优的XGBRegressor算法，用于目标回归。

6.1 Optuna超参数自动化调优框架介绍

Optuna是一个开源的超参数优化(HPO)框架，用于自动执行超参数的搜索空间。 为了找到最佳的超参数集，Optuna使用贝叶斯方法。 它支持下面列出的各种类型的采样器：

1. GridSampler (使用网格搜索)
2. RandomSampler (使用随机采样)
3. TPESampler (使用树结构的Parzen估计器算法)
4. CmaEsSampler (使用CMA-ES算法)

一个极简的 Optuna 的优化程序中只有三个最核心的概念，目标函数(objective)，单次试验(trial)，和研究(study)：

1. objective 负责定义待优化函数并指定参/超参数数范围
2. trial 对应着 objective 的单次执行
3. study 则负责管理优化，决定优化的方式，总试验的次数、试验结果的记录等功能。

6.2 构建调优模型

关键代码如下：

6.3 最优参数展示

最优参数结果展示：

 

关键代码如下：

7.模型评估

7.1评估指标及结果

评估指标主要包括R方、均方误差、解释性方差、绝对误差等等。

从上表可以看出，R方分值为0.9536，说明模型效果较好。  

关键代码如下：

7.2 真实值与预测值对比图

从上图可以看出真实值和预测值波动基本一致，模型效果较好。  

7.3 超参数重要性可视化图

通过上图可以看出，超参数的重要性依次为：subsample、learning_rate、max_depth、n_estimators、random_state。 

8.结论与展望

综上所述，本项目采用了基于Optuna超参数自动调优的XGBoost回归模型，最终证明了我们提出的模型效果良好。

本次机器学习项目实战所需的资料，项目资源如下：

项目说明：
链接：https://pan.baidu.com/s/1dW3S1a6KGdUHK90W-lmA4w 
提取码：bcbp