Optuna多目标优化的最佳参数
Optuna多目标优化的最佳参数
提问于 2021-01-22 02:54:18
使用Optuna执行单目标优化时，可以使用以下方法获取研究的最佳参数：
import optuna
def objective(trial):
x = trial.suggest_uniform('x', -10, 10)
return (x - 2) ** 2
study = optuna.create_study(direction='minimize')
study.optimize(objective, n_trials=100)
study.best_params # E.g. {'x': 2.002108042}如果我想要执行多目标优化，这将变成例如：
import optuna
def multi_objective(trial):
x = trial.suggest_uniform('x', -10, 10)
f1 = (x - 2) ** 2
f2 = -f1
return f1, f2
study = optuna.create_study(directions=['minimize', 'maximize'])
study.optimize(multi_objective, n_trials=100)这是可行的，但命令study.best_params会因RuntimeError: The best trial of a 'study' is only supported for single-objective optimization.而失败
如何获得多目标优化的最佳参数？
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-01-22 07:56:10
在多目标优化中，您通常会得到多个最佳试验，而不是一组试验。这个集合通常被称为帕累托前沿。你可以通过study.best_trials获得这个帕累托前沿，或试验列表，然后查看每个单独试验的参数，即study.best_trials[some_index].params。
例如，给定最小化f1和最大化f2的方向，您可能会得到一个f1值较小(好)但同时f2值较小(不好)的试验，而另一个试验可能同时具有较大的f1 (不好)和f2 (好)值。这两个试验都可以从study.best_trials返回。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65833998
复制相关文章
相似问题
腾讯云开发者
