如何从 Scikit-Learn 中的详细输出估计 GridSearchCV 的进度？

Question

现在我运行是一个非常激进的网格搜索。我有 n=135 samples 并且我是运行 23 folds 使用自定义交叉验证 train/test 列表。我有我的 verbose=2。

下面是我运行:

param_test = {"loss":["deviance"],
           'learning_rate':[0.01, 0.025, 0.05, 0.075, 0.1, 0.15, 0.2],
           "min_samples_split": np.linspace(0.1, 0.5, 12),
           "min_samples_leaf": np.linspace(0.1, 0.5, 12),
           "max_depth":[3,5,8],
          "max_features":["log2","sqrt"],
          "min_impurity_split":[5e-6, 1e-7, 5e-7],
          "criterion": ["friedman_mse",  "mae"],
           "subsample":[0.5, 0.618, 0.8, 0.85, 0.9, 0.95, 1.0],
          "n_estimators":[10]}

Mod_gsearch = GridSearchCV(estimator = GradientBoostingClassifier(),
                           param_grid = param_test, scoring="accuracy",n_jobs=32, iid=False, cv=cv_indices, verbose=2)

我查看了 stdout 中的详细输出：

$head gridsearch.o8475533
Fitting 23 folds for each of 254016 candidates, totalling 5842368 fits

基于此，看起来有 5842368 个使用我的网格参数的交叉验证对排列。

$ grep -c  "[CV]" gridsearch.o8475533
7047332

看起来到目前为止已经进行了大约 700 万次交叉验证，但这比 5842368 总适合度要多...

7047332/5842368 = 1.2062458236

然后当我查看 stderr 文件时：

$ cat ./gridsearch.e8475533
[Parallel(n_jobs=32)]: Done 132 tasks      | elapsed:    1.2s
[Parallel(n_jobs=32)]: Done 538 tasks      | elapsed:    2.8s
[Parallel(n_jobs=32)]: Done 1104 tasks      | elapsed:    4.8s
[Parallel(n_jobs=32)]: Done 1834 tasks      | elapsed:    7.9s
[Parallel(n_jobs=32)]: Done 2724 tasks      | elapsed:   11.6s
...
[Parallel(n_jobs=32)]: Done 3396203 tasks      | elapsed: 250.2min
[Parallel(n_jobs=32)]: Done 3420769 tasks      | elapsed: 276.5min
[Parallel(n_jobs=32)]: Done 3447309 tasks      | elapsed: 279.3min
[Parallel(n_jobs=32)]: Done 3484240 tasks      | elapsed: 282.3min
[Parallel(n_jobs=32)]: Done 3523550 tasks      | elapsed: 285.3min

我的目标：

我如何知道我的网格搜索相对于它可能花费的总时间的进度？

我困惑的是：

stdout 中的 [CV] 行、stdout 中的总匹配数和 stderr 中的任务之间的关系是什么？

Answer 1

数学很简单，但乍一看有点误导：

当每个任务开始时，记录机制会产生一个'[CV] ...'行到stdout，注意starting执行和任务[=12=之后] - 另一行添加了特定任务花费的时间（在行尾）。
此外，在一些时间间隔内，日志记录机制将进度条写入 stderr（或者如果您将 verbose 设置为 >50 到 stdout）指示总任务（适合）和当前总花费时间中完成任务的数量，例如：

[Parallel(n_jobs=32)]: Done 2724 tasks | elapsed: 11.6s

对于你的情况，你有 5842368 总适合度，即任务。

您计算了 7047332 个“[CV] ...”，即 around 7047332/2 = 3523666 已完成的任务，进度条显示 exactly 完成了多少任务 - 3523550（大约 - 因为一些任务可以开始，但不会在计数时结束）。

如何从 Scikit-Learn 中的详细输出估计 GridSearchCV 的进度？

How to estimate the progress of a GridSearchCV from verbose output in Scikit-Learn?

python

parameters

machine-learning

scikit-learn

grid-search