-
Notifications
You must be signed in to change notification settings - Fork 5
/
kfold.py
262 lines (222 loc) · 13.5 KB
/
kfold.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
import time
import argparse
import pandas as pd
import numpy as np
from src import seed_everything
from src.data import context_data_load, context_data_split, context_data_loader
from src.data import fm_data_load, fm_data_split, fm_data_loader
from src.data import ffm_data_load, ffm_data_split, ffm_data_loader
from src.data import dl_data_load, dl_data_split, dl_data_loader
from src.data import ncf_data_load, ncf_data_split, ncf_data_loader
from src.data import dcn_data_load, dcn_data_split, dcn_data_loader
from src.data import wdn_data_load, wdn_data_split, wdn_data_loader
from src.data import image_data_load, image_data_split, image_data_loader
from src.data import text_data_load, text_data_split, text_data_loader
from src import FactorizationMachineModel, FieldAwareFactorizationMachineModel
from src import NeuralCollaborativeFiltering, WideAndDeepModel, DeepCrossNetworkModel
from src import CNN_FM
from src import DeepCoNN
import wandb
from gb import XGB, LGBM, CATB, rmse, gb_data_load, gb_data_split
from sklearn.model_selection import KFold
def main(args):
seed_everything(args.SEED)
######################## DATA LOAD
print(f'--------------- {args.MODEL} Load Data ---------------')
if args.MODEL in ('FM'):
data = fm_data_load(args)
elif args.MODEL in ('FFM'):
data = ffm_data_load(args)
elif args.MODEL in ('WDN'):
data = wdn_data_load(args)
elif args.MODEL in ('DCN'):
data = dcn_data_load(args)
elif args.MODEL in ('NCF'):
data = ncf_data_load(args)
elif args.MODEL in ('CNN_FM', 'DeepCoNN'):
print('We do not support CNN_FM & DeepCoNN models at this kfold file.\n')
return
elif args.MODEL in ('LGBM','CATB','XGB'):
data = gb_data_load(args)
else:
pass
######################## SET KFOLD
kf = KFold(n_splits=args.K_VALUE, shuffle=True, random_state=args.SEED)
data_list = []
predicts_list = []
######################## Train/Valid Split
print(f'--------------- {args.MODEL} Train/Valid Split ---------------')
if args.MODEL in ('FM', 'FFM', 'NCF', 'WDN', 'DCN'):
X_data = np.array(data['train'].drop(['rating'], axis=1))
y_data = np.array(data['train']['rating'])
for train_idx, test_idx in kf.split(X_data):
X_train, X_valid = X_data[train_idx], X_data[test_idx]
y_train, y_valid = y_data[train_idx], y_data[test_idx]
data['X_train'] = pd.DataFrame(X_train)
data['X_valid'] = pd.DataFrame(X_valid)
data['y_train'] = pd.DataFrame(y_train).squeeze()
data['y_valid'] = pd.DataFrame(y_valid).squeeze()
if args.MODEL in ('FM'):
data = fm_data_loader(args, data)
elif args.MODEL in ('FFM'):
data = ffm_data_loader(args, data)
elif args.MODEL in ('NCF'):
data = ncf_data_loader(args, data)
elif args.MODEL in ('WDN'):
data = wdn_data_loader(args, data)
elif args.MODEL in ('DCN'):
data = dcn_data_loader(args, data)
else:
pass
data_list.append(data)
elif args.MODEL in ('LGBM', 'CATB', 'XGB'):
X_data = np.array(data['train'].drop(['rating'], axis=1))
y_data = np.array(data['train']['rating'])
for train_idx, test_idx in kf.split(X_data):
X_train, X_valid = X_data[train_idx], X_data[test_idx]
y_train, y_valid = y_data[train_idx], y_data[test_idx]
data['X_train'] = pd.DataFrame(X_train)
data['X_valid'] = pd.DataFrame(X_valid)
data['y_train'] = pd.DataFrame(y_train).squeeze()
data['y_valid'] = pd.DataFrame(y_valid).squeeze()
data_list.append(data)
else:
pass
######################## MODEL, WANDB, TRAIN, INFERENCE
for idx in range(args.K_VALUE):
print(f'\n--------------- Iteration {idx} ---------------')
######################## MODEL
print(f'--------------- INIT {args.MODEL} ---------------')
if args.MODEL=='FM':
model = FactorizationMachineModel(args, data_list[idx])
elif args.MODEL=='FFM':
model = FieldAwareFactorizationMachineModel(args, data_list[idx])
elif args.MODEL=='NCF':
model = NeuralCollaborativeFiltering(args, data_list[idx])
elif args.MODEL=='WDN':
model = WideAndDeepModel(args, data_list[idx])
elif args.MODEL=='DCN':
model = DeepCrossNetworkModel(args, data_list[idx])
elif args.MODEL=='CNN_FM':
model = CNN_FM(args, data_list[idx])
elif args.MODEL=='DeepCoNN':
model = DeepCoNN(args, data_list[idx])
elif args.MODEL=='LGBM':
model = LGBM(args, data_list[idx])
elif args.MODEL=='CATB':
model = CATB(args, data_list[idx])
elif args.MODEL=='XGB':
model = XGB(args, data_list[idx])
else:
pass
######################## WANDB
if args.WANDB:
wandb.init(project="test-project", entity="ai-tech-4-recsys13")
wandb.run.name = args.MODEL #+ '_EPOCH:' + str(args.EPOCHS) + '_EMBDIM:' + str(args.FFM_EMBED_DIM)
wandb.config = {
"learning_rate": args.LR ,
"epochs": args.EPOCHS,
"batch_size": args.BATCH_SIZE,
"architecture": args.MODEL,
}
######################## TRAIN
print(f'--------------- {args.MODEL} TRAINING ---------------')
if args.MODEL in ('LGBM', 'CATB', 'XGB'):
pass
else:
model.train()
if args.WANDB:
wandb.finish()
######################## INFERENCE
print(f'--------------- {args.MODEL} PREDICT ---------------')
if args.MODEL in ('FM', 'FFM', 'NCF', 'WDN', 'DCN'):
predicts = model.predict(data['test_dataloader'])
elif args.MODEL=='CNN_FM':
predicts = model.predict(data['test_dataloader'])
elif args.MODEL=='DeepCoNN':
predicts = model.predict(data['test_dataloader'])
elif args.MODEL in ('LGBM', 'CATB', 'XGB'):
predicts = model.predict(data['test'])
else:
pass
predicts_list.append(np.array(predicts))
mean_predicts = sum(predicts_list) / len(predicts_list)
######################## SAVE PREDICT
print(f'--------------- SAVE {args.MODEL} PREDICT ---------------')
submission = pd.read_csv(args.DATA_PATH + 'sample_submission.csv')
if args.MODEL in ('FM', 'FFM', 'NCF', 'WDN', 'DCN', 'CNN_FM', 'DeepCoNN', 'LGBM', 'CATB', 'XGB'):
submission['rating'] = mean_predicts
else:
pass
now = time.localtime()
now_date = time.strftime('%Y%m%d', now)
now_hour = time.strftime('%X', now)
save_time = now_date + '_' + now_hour.replace(':', '')
submission.to_csv('submit/{}_{}.csv'.format(save_time, args.MODEL), index=False)
if __name__ == "__main__":
######################## BASIC ENVIRONMENT SETUP
parser = argparse.ArgumentParser(description='parser')
arg = parser.add_argument
############### BASIC OPTION
arg('--DATA_PATH', type=str, default='data/raw_data/', help='Data path를 설정할 수 있습니다.')
arg('--MODEL', type=str, choices=['FM', 'FFM', 'NCF', 'WDN', 'DCN', 'CNN_FM', 'DeepCoNN', 'LGBM', 'CATB', 'XGB'],
help='학습 및 예측할 모델을 선택할 수 있습니다.')
arg('--DATA_SHUFFLE', type=bool, default=True, help='데이터 셔플 여부를 조정할 수 있습니다.')
arg('--TEST_SIZE', type=float, default=0.2, help='Train/Valid split 비율을 조정할 수 있습니다.')
arg('--SEED', type=int, default=42, help='seed 값을 조정할 수 있습니다.')
arg('--WANDB', type=bool, default=False, help='wandb 기록 여부를 선택할 수 있습니다.')
arg('--K_VALUE', type=int, default=5, help='K-Fold의 K value 값을 조정할 수 있습니다.')
############### TRAINING OPTION
arg('--BATCH_SIZE', type=int, default=1024, help='Batch size를 조정할 수 있습니다.')
arg('--EPOCHS', type=int, default=10, help='Epoch 수를 조정할 수 있습니다.')
arg('--LR', type=float, default=1e-3, help='Learning Rate를 조정할 수 있습니다.')
arg('--WEIGHT_DECAY', type=float, default=1e-6, help='Adam optimizer에서 정규화에 사용하는 값을 조정할 수 있습니다.')
############### GPU
arg('--DEVICE', type=str, default='cuda', choices=['cuda', 'cpu'], help='학습에 사용할 Device를 조정할 수 있습니다.')
############### FM
arg('--FM_EMBED_DIM', type=int, default=16, help='FM에서 embedding시킬 차원을 조정할 수 있습니다.')
############### FFM
arg('--FFM_EMBED_DIM', type=int, default=16, help='FFM에서 embedding시킬 차원을 조정할 수 있습니다.')
############### NCF
arg('--NCF_EMBED_DIM', type=int, default=16, help='NCF에서 embedding시킬 차원을 조정할 수 있습니다.')
arg('--NCF_MLP_DIMS', type=list, default=(16, 16), help='NCF에서 MLP Network의 차원을 조정할 수 있습니다.')
arg('--NCF_DROPOUT', type=float, default=0.2, help='NCF에서 Dropout rate를 조정할 수 있습니다.')
############### WDN
arg('--WDN_EMBED_DIM', type=int, default=16, help='WDN에서 embedding시킬 차원을 조정할 수 있습니다.')
arg('--WDN_MLP_DIMS', type=list, default=(16, 16), help='WDN에서 MLP Network의 차원을 조정할 수 있습니다.')
arg('--WDN_DROPOUT', type=float, default=0.2, help='WDN에서 Dropout rate를 조정할 수 있습니다.')
############### DCN
arg('--DCN_EMBED_DIM', type=int, default=16, help='DCN에서 embedding시킬 차원을 조정할 수 있습니다.')
arg('--DCN_MLP_DIMS', type=list, default=(16, 16), help='DCN에서 MLP Network의 차원을 조정할 수 있습니다.')
arg('--DCN_DROPOUT', type=float, default=0.2, help='DCN에서 Dropout rate를 조정할 수 있습니다.')
arg('--DCN_NUM_LAYERS', type=int, default=3, help='DCN에서 Cross Network의 레이어 수를 조정할 수 있습니다.')
############### CNN_FM
arg('--CNN_FM_EMBED_DIM', type=int, default=128, help='CNN_FM에서 user와 item에 대한 embedding시킬 차원을 조정할 수 있습니다.')
arg('--CNN_FM_LATENT_DIM', type=int, default=8, help='CNN_FM에서 user/item/image에 대한 latent 차원을 조정할 수 있습니다.')
############### DeepCoNN
arg('--DEEPCONN_VECTOR_CREATE', type=bool, default=False, help='DEEP_CONN에서 text vector 생성 여부를 조정할 수 있으며 최초 학습에만 True로 설정하여야합니다.')
arg('--DEEPCONN_EMBED_DIM', type=int, default=32, help='DEEP_CONN에서 user와 item에 대한 embedding시킬 차원을 조정할 수 있습니다.')
arg('--DEEPCONN_LATENT_DIM', type=int, default=10, help='DEEP_CONN에서 user/item/image에 대한 latent 차원을 조정할 수 있습니다.')
arg('--DEEPCONN_CONV_1D_OUT_DIM', type=int, default=50, help='DEEP_CONN에서 1D conv의 출력 크기를 조정할 수 있습니다.')
arg('--DEEPCONN_KERNEL_SIZE', type=int, default=3, help='DEEP_CONN에서 1D conv의 kernel 크기를 조정할 수 있습니다.')
arg('--DEEPCONN_WORD_DIM', type=int, default=768, help='DEEP_CONN에서 1D conv의 입력 크기를 조정할 수 있습니다.')
arg('--DEEPCONN_OUT_DIM', type=int, default=32, help='DEEP_CONN에서 1D conv의 출력 크기를 조정할 수 있습니다.')
############### LGBM
arg('--LGBM_TYPE', type=str, default='R', help='LGBM Classifier(C)와 Regressor(R) 중 고를 수 있습니다.')
arg('--LGBM_ALG', type=str, default='gbdt', help='LGBM에서 실행시킬 알고리즘을 정의할 수 있습니다.')
arg('--LGBM_LAMBDA', type=int, default=0.1, help='LGBM에서 regularization 정규화 값을 조정할 수 있습니다.')
arg('--LGBM_MAX_DEPTH', type=int, default=10, help='LGBM에서 트리의 최대 깊이를 조정할 수 있습니다.')
arg('--LGBM_NUM_LEAVES', type=int, default=500, help='LGBM에서 전체 Tree의 leaves 수를 조정할 수 있습니다.')
############### CATB
arg('--CATB_TYPE', type=str, default='R', help='CATB Classifier(C)와 Regressor(R) 중 고를 수 있습니다.')
arg('--CATB_ITER', type=int, default=10000, help='same as n_estiamtors')
arg('--CATB_DEPTH', type=int, default=10, help='Depth of the tree')
############### XGB
arg('--XGB_TYPE', type=str, default='R', help='LGBM Classifier(C)와 Regressor(R) 중 고를 수 있습니다.')
arg('--XGB_BOOSTER', type=str, default='gbtree', help='XGB에서 실행시킬 알고리즘(gbtree, gblinear)을 정의할 수 있습니다.')
arg('--XGB_N_ESTI', type=int, default='10', help='XGB에서 학습에 활용될 weak leaner의 반복 수를 조정할 수 있습니다.')
arg('--XGB_LAMBDA', type=int, default=1, help='XGB에서 L2 regularization 정규화 값을 조정할 수 있습니다.')
arg('--XGB_MIN_CHILD', type=int, default=1, help='XGB에서 leaf node에 포함되는 최소 관측치의 수를 조정할 수 있습니다.[0,inf]')
arg('--XGB_MAX_DEPTH', type=int, default=6, help='XGB에서 트리의 최대 깊이를 조정할 수 있습니다. [0,inf]')
args = parser.parse_args()
main(args)