Introdução
A latência de previsão de modelos de machine learning é um fator crucial em aplicações do mundo real. Neste laboratório, usaremos estimadores Scikit-Learn para avaliar a latência de previsão de vários regressores. Mediremos a latência ao realizar previsões em modo em massa ou atômico. Os gráficos representarão a distribuição da latência de previsão como um boxplot.
Dicas da VM
Após o arranque da VM, clique no canto superior esquerdo para mudar para a aba Notebook para aceder ao Jupyter Notebook para a prática.
Por vezes, pode ser necessário esperar alguns segundos para o Jupyter Notebook terminar de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.
Se tiver problemas durante o aprendizado, não hesite em contactar o Labby. Forneça feedback após a sessão e resolveremos prontamente o problema para si.
Gerar um Conjunto de Dados de Regressão
Vamos gerar um conjunto de dados de regressão com os parâmetros fornecidos usando a função make_regression do Scikit-Learn. O conjunto de dados terá n_train instâncias de treino, n_test instâncias de teste, n_features características e um ruído (noise) de 0,1.
X, y, coef = make_regression(
n_samples=n_train + n_test, n_features=n_features, noise=noise, coef=True
)
random_seed = 13
X_train, X_test, y_train, y_test = train_test_split(
X, y, train_size=n_train, test_size=n_test, random_state=random_seed
)
X_train, y_train = shuffle(X_train, y_train, random_state=random_seed)
X_scaler = StandardScaler()
X_train = X_scaler.fit_transform(X_train)
X_test = X_scaler.transform(X_test)
y_scaler = StandardScaler()
y_train = y_scaler.fit_transform(y_train[:, None])[:, 0]
y_test = y_scaler.transform(y_test[:, None])[:, 0]
Avaliar e Representar Graficamente a Latência de Previsão Atómica e em Massa
Usaremos o método predict() do Scikit-Learn para medir o tempo de execução da previsão de cada instância e de toda a entrada. Usaremos a função benchmark_estimator() para medir os tempos de execução da previsão em modo atómico e em massa. Em seguida, usaremos a função boxplot_runtimes() para representar graficamente a distribuição da latência de previsão como um boxplot.
def benchmark_estimator(estimator, X_test, n_bulk_repeats=30, verbose=False):
atomic_runtimes = atomic_benchmark_estimator(estimator, X_test, verbose)
bulk_runtimes = bulk_benchmark_estimator(estimator, X_test, n_bulk_repeats, verbose)
return atomic_runtimes, bulk_runtimes
def boxplot_runtimes(runtimes, pred_type, configuration):
fig, ax1 = plt.subplots(figsize=(10, 6))
bp = plt.boxplot(
runtimes,
)
cls_infos = [
"%s\n(%d %s)"
% (
estimator_conf["name"],
estimator_conf["complexity_computer"](estimator_conf["instance"]),
estimator_conf["complexity_label"],
)
for estimator_conf in configuration["estimators"]
]
plt.setp(ax1, xticklabels=cls_infos)
plt.setp(bp["boxes"], color="black")
plt.setp(bp["whiskers"], color="black")
plt.setp(bp["fliers"], color="red", marker="+")
ax1.yaxis.grid(True, linestyle="-", which="major", color="lightgrey", alpha=0.5)
ax1.set_axisbelow(True)
ax1.set_title(
"Tempo de Previsão por Instância - %s, %d características."
% (pred_type.capitalize(), configuration["n_features"])
)
ax1.set_ylabel("Tempo de Previsão (us)")
plt.show()
configuration = {
"n_train": int(1e3),
"n_test": int(1e2),
"n_features": int(1e2),
"estimators": [
{
"name": "Modelo Linear",
"instance": SGDRegressor(
penalty="elasticnet", alpha=0.01, l1_ratio=0.25, tol=1e-4
),
"complexity_label": "coeficientes não nulos",
"complexity_computer": lambda clf: np.count_nonzero(clf.coef_),
},
{
"name": "RandomForest",
"instance": RandomForestRegressor(),
"complexity_label": "estimadores",
"complexity_computer": lambda clf: clf.n_estimators,
},
{
"name": "SVR",
"instance": SVR(kernel="rbf"),
"complexity_label": "vetores de suporte",
"complexity_computer": lambda clf: len(clf.support_vectors_),
},
],
}
X_train, y_train, X_test, y_test = generate_dataset(
configuration["n_train"], configuration["n_test"], configuration["n_features"]
)
stats = {}
for estimator_conf in configuration["estimators"]:
estimator_conf["instance"].fit(X_train, y_train)
gc.collect()
a, b = benchmark_estimator(estimator_conf["instance"], X_test)
stats[estimator_conf["name"]] = {"atomic": a, "bulk": b}
cls_names = [estimator_conf["name"] for estimator_conf in configuration["estimators"]]
runtimes = [1e6 * stats[clf_name]["atomic"] for clf_name in cls_names]
boxplot_runtimes(runtimes, "atómico", configuration)
runtimes = [1e6 * stats[clf_name]["bulk"] for clf_name in cls_names]
boxplot_runtimes(runtimes, "em massa (%d)" % configuration["n_test"], configuration)
Avaliação da Influência de n_features na Latência de Previsão
Usaremos o estimador Ridge() do Scikit-Learn para estimar a influência do número de características no tempo de previsão. Usaremos a função n_feature_influence() para estimar a influência e a função plot_n_features_influence() para representar graficamente a evolução do tempo de previsão com o número de características.
def n_feature_influence(estimators, n_train, n_test, n_features, percentile):
percentiles = defaultdict(defaultdict)
for n in n_features:
X_train, y_train, X_test, y_test = generate_dataset(n_train, n_test, n)
for cls_name, estimator in estimators.items():
estimator.fit(X_train, y_train)
gc.collect()
runtimes = bulk_benchmark_estimator(estimator, X_test, 30, False)
percentiles[cls_name][n] = 1e6 * np.percentile(runtimes, percentile)
return percentiles
def plot_n_features_influence(percentiles, percentile):
fig, ax1 = plt.subplots(figsize=(10, 6))
colors = ["r", "g", "b"]
for i, cls_name in enumerate(percentiles.keys()):
x = np.array(sorted([n for n in percentiles[cls_name].keys()]))
y = np.array([percentiles[cls_name][n] for n in x])
plt.plot(
x,
y,
color=colors[i],
)
ax1.yaxis.grid(True, linestyle="-", which="major", color="lightgrey", alpha=0.5)
ax1.set_axisbelow(True)
ax1.set_title("Evolução do Tempo de Previsão com o Número de Características")
ax1.set_xlabel("Número de Características")
ax1.set_ylabel("Tempo de Previsão no %dº percentil (us)" % percentile)
plt.show()
percentile = 90
percentiles = n_feature_influence(
{"ridge": Ridge()},
configuration["n_train"],
configuration["n_test"],
[100, 250, 500],
percentile,
)
plot_n_features_influence(percentiles, percentile)
Avaliação de Taxa de Processamento
Usaremos o método predict() do Scikit-Learn para medir a taxa de processamento para diferentes estimadores. Usaremos a função benchmark_throughputs() para avaliar a taxa de processamento e a função plot_benchmark_throughput() para representar graficamente a taxa de processamento de previsão para diferentes estimadores.
def benchmark_throughputs(configuration, duration_secs=0.1):
X_train, y_train, X_test, y_test = generate_dataset(
configuration["n_train"], configuration["n_test"], configuration["n_features"]
)
throughputs = dict()
for estimator_config in configuration["estimators"]:
estimator_config["instance"].fit(X_train, y_train)
start_time = time.time()
n_predictions = 0
while (time.time() - start_time) < duration_secs:
estimator_config["instance"].predict(X_test[[0]])
n_predictions += 1
throughputs[estimator_config["name"]] = n_predictions / duration_secs
return throughputs
def plot_benchmark_throughput(throughputs, configuration):
fig, ax = plt.subplots(figsize=(10, 6))
colors = ["r", "g", "b"]
cls_infos = [
"%s\n(%d %s)"
% (
estimator_conf["name"],
estimator_conf["complexity_computer"](estimator_conf["instance"]),
estimator_conf["complexity_label"],
)
for estimator_conf in configuration["estimators"]
]
cls_values = [
throughputs[estimator_conf["name"]]
for estimator_conf in configuration["estimators"]
]
plt.bar(range(len(throughputs)), cls_values, width=0.5, color=colors)
ax.set_xticks(np.linspace(0.25, len(throughputs) - 0.75, len(throughputs)))
ax.set_xticklabels(cls_infos, fontsize=10)
ymax = max(cls_values) * 1.2
ax.set_ylim((0, ymax))
ax.set_ylabel("Taxa de Processamento (previsões/seg)")
ax.set_title(
"Taxa de Processamento de Previsão para diferentes estimadores (%d características)"
% configuration["n_features"]
)
plt.show()
throughputs = benchmark_throughputs(configuration)
plot_benchmark_throughput(throughputs, configuration)
Resumo
Neste laboratório, aprendemos como utilizar estimadores do Scikit-Learn para avaliar a latência de previsão de vários regressores. Medimos a latência ao realizar previsões em modo em massa ou atômico, e representamos graficamente a distribuição da latência de previsão como um boxplot. Também estimamos a influência do número de características no tempo de previsão e representamos graficamente a evolução do tempo de previsão com o número de características. Finalmente, medimos a taxa de processamento para diferentes estimadores e representamos graficamente a taxa de processamento de previsão para diferentes estimadores.