scikit-learn-intelexライブラリの検証で使用したコード (抜粋)

test_intelex_speedup.py

#!/usr/bin/env python
# coding: utf-8

# scikit-learnのIntel拡張 (scikit-learn-intelex) を試してみる

### ライブラリの読み込み

import numpy as np
from sklearn.datasets import make_classification
from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV, train_test_split
from sklearn.metrics import classification_report


### データセットの生成

X, y = make_classification(n_samples=2000, n_features=100, n_informative=40, n_classes=2, random_state=334)


### 学習用、テスト用データの分割

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=334)


### グリッドサーチパラメータの設定

params = {
    'C': [1, 1.5, 2, 2.5, 3, 3.5, 4],
    'gamma': [0.003, 0.002, 0.001, 0.0009, 0.0008],
    'kernel': ['rbf']
}


### モデリングの実行
# F1スコアを指標とした5-Fold CVを行います。筆者のPCが8スレッド (Intel Core i5-8250U CPU @ 1.60GHz) なので、6スレッドまで使用するよう指定しています。

clf = GridSearchCV(SVC(), params, cv=5, scoring='f1_macro', n_jobs=6, verbose=10)
clf.fit(X_train, y_train)


# ### 精度評価
# 今回は速度の計測が主であって、本題ではないですが。

y_true, y_pred = y_test, clf.predict(X_test)
print(clf.best_params_)
print(classification_report(y_true, y_pred))


## Intel拡張を使用する場合

### ダイナミック・パッチ
# 利用時に、機能のオン・オフを切り替えられるそうです。

from sklearnex import patch_sklearn, unpatch_sklearn
patch_sklearn()


### モデリングの実行
# F1スコアを指標とした5-Fold CVを行います。

clf = GridSearchCV(SVC(), params, cv=5, scoring='f1_macro', n_jobs=6, verbose=10)
clf.fit(X_train, y_train)


# ### 精度評価
# 今回は速度の計測が主であって、本題ではないですが。

y_true, y_pred = y_test, clf.predict(X_test)
print(clf.best_params_)
print(classification_report(y_true, y_pred))


# ### ダイナミック・パッチをオフにする

unpatch_sklearn()