optuna中的LightGBMTunerCV提供了一个很好的起点，但在此之后，我想更深入地搜索(而不会丢失自动调谐器所学到的内容)。此外，我想使用平均交叉验证分数+交叉验证分数的标准差作为我对模型进行排名的指标(即，我假设较低的SD是在相同分布的未见数据上更稳定性能的良好迹象)。,
浏览 32提问于2020-09-14得票数 3
我正在尝试使用Optuna对我的模型进行超参数调整。 我被困在一个地方，我想定义一个具有对数正态/正态分布的搜索空间。这在使用hp.lognormal的hyperopt中是可能的。可以使用Optuna的现有suggest_ api的组合来定义这样的空间吗？
浏览 14提问于2021-01-18得票数 0
回答已采纳
2回答
Best score reached: {} with params: {} '.format(gs.best_score_, gs.best_params_))我试图实现以下链接中给出的解决方案
浏览 12提问于2021-04-08得票数 1
如果我使用LightGBMTunerCV对模型进行调优，我总是得到cv_agg的binary_logloss的大量结果。如果我用一个更大的数据集来做这件事，这个(不必要的) io会降低优化过程的性能。as lgbwarnings.simplefilter(action='ignore', category=FutureWarning)feature_n
浏览 2提问于2021-11-24得票数 2
回答已采纳
我想请Optuna在LightGBM的超参数上对num_iterations和learning_rate进行调优，以检查学习速度和准确性之间的平衡。 return cv_score
study = optuna.create_study既然我们知道这样一条规则，也许就
浏览 7提问于2022-09-30得票数 0
在使用optuna进行超参数调优之后，我正在尝试将XGBClassifier与我的数据集相匹配，并且我一直收到以下警告：
xgbc_optuna_mse1 = mean_squared_error(test_y, xgbc_optuna_pre
浏览 3提问于2021-08-04得票数 7
回答已采纳
我有一个非常复杂的树结构搜索空间。在顶层，我需要做一个明确的选择-参数的子空间去探索。作为一个简单的例子，您可以想象我需要在使用线性回归、支持向量机或某种神经网络之间作出决定。每个子空间都有一个非常不同的大小，我希望Optuna (我正在考虑使用TPESampler)花更多的时间来探索更大的空间。我可以想象，请求一个随机浮动并将其映射到正确的类别，但它有一些明显<
浏览 2提问于2021-07-12得票数 1
我找到了7个超参数的最优结果，即：使用Optuna多目标优化。我把培训和验证损失最小化作为我的目标。由于调优参数的数量更多，所以我将每个路径的历元数减少为50。然后，我得到了最佳的参数，后Optuna优化。我增加了时代的</em
浏览 4提问于2021-12-30得票数 0
3回答
我试图使用optuna搜索超参数空间。CUDA_VISIBLE_DEVICES=0 optuna study optimize foo.py objec
浏览 7提问于2020-05-12得票数 3
回答已采纳
1回答
optuna文档建议将每个模型保存到一个文件中，以便稍后在上使用。def objective(trial, n_epochs, batch_size): 'learning_rate'(params, model, trial) # THIS LINE fo
浏览 5提问于2022-08-30得票数 0
回答已采纳
我正在使用optuna的TPE采样器来优化深度学习视觉模型的超参数。我想知道optuna是否适应搜索取决于试验的数量。我对TPE的工作原理只有基本的了解。
谢谢。
浏览 4提问于2020-08-06得票数 1
1回答
对于具有多个参数的大型ML模型，如果能够中断并恢复超参数优化搜索，将是很有帮助的。Optuna允许使用RDB后端进行此操作，该后端将研究结果存储在SQlite数据库()中。Expect：对于一个固定的种子，n_trials = x优化运行的结果与使用n_trials = x/5的学习相同，恢复5次，学习被KeyboardInterrupt中断5次，恢复5次直到n_trials在一项研究中展示了所有试验<em
浏览 10提问于2022-08-11得票数 0
回答已采纳
我想使用更深的树来解决我的业务问题，但catboost对树的深度有16个限制。我看了一下代码，找到了硬编码的部分。中的这一行我可以简单地将其更改为64，然后运行setup.py吗？或者会有其他依赖关系，并可能导致任何问题？
浏览 6提问于2021-04-28得票数 0
Optuna允许用户使用suggest_ API搜索参数空间。这很简单，也很聪明。使用suggest_ API进行搜索：
有人可能建议我在目标函数中对Optuna研究中检索这些参数的参数。据我所知，Optuna
浏览 6提问于2021-08-09得票数 1
我刚刚找到了Optuna，它们似乎与lightGBM集成了，但是我很难看到我可以在哪里修复参数，例如scoring="auc"，以及在哪里可以定义一个搜索网格空间，例如num_leaves=[1,2,5,10以为例，他们只定义一个带有一些固定参数的params dict (是否所有参数都未在该dict中指定？)，并且声明：我如何控制哪些参数被调谐，在什么空间中，以及如何修正一些
浏览 3提问于2020-11-09得票数 1
我正在使用Optuna for CatboostRegressor进行超参数调整，但是我意识到我得到的试验是随机顺序的(我的试验是从试验7开始，然后是试验5，最后是试验8。我在网上看到的所有示例都是按顺序进行的，例如试验0以值结束: xxxxx，试验1，试验2……(示例：)
这是一个问题，还是没有什么值得担心的？不知道为什么我的顺序是随机的。我还想知道是否应该先做cb.cv (Ca
浏览 3提问于2021-10-24得票数 0
我正在使用Optuna对我的模型进行超参数化。我有一个字段，我想测试一个列表中的多个组合。有没有办法用内置的Optuna函数实现这一点？
浏览 13提问于2022-08-17得票数 0
回答已采纳
1回答
我一直在对optuna进行一些优化，我想在两个轴上制作相同规模的地块，但到目前为止，我还不知道怎么做。study = optuna.create_study(study_name=study_name,
使用第一种方法，图片在浏览器中的交互式视图中打开，
浏览 16提问于2022-08-19得票数 1
回答已采纳
1回答
在这种情况下，我被应用了一个cat递推回归器，它给了我相当好的R2(98.51)和MAE (3.77)。其他节点LGBM，XGBOOST在catboost下执行。现在，我想增加R2值，降低MAE，以获得更精确的结果。这也是我们的要求。我多次通过添加“损耗_函数”：'MAE'，‘L2_叶子_reg’：3，‘随机强度’：4，‘套袋_温度’：0.5来调整不同的值，但性能是相同的。
浏览 1提问于2021-03-02得票数 4
回答已采纳
当使用Optuna对我的Lasso模型进行微调时，我得到以下ConvergenceWarning。是否有可能增加nr。迭代？我增加了n_trials，但没有帮助。我的代码： lasso = Lassocross_val_score(lasso, X_train, y_train, cv=kf, scoring="
浏览 0提问于2021-05-13得票数 0
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
