腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
如何
结合
使用
MultiOutputClassifier
()
和
RandomizedSearchCV
()
进行
超
参数
调
优
?
python
、
scikit-learn
、
hyperparameters
我正在
使用
一个来自scikit learn的
MultiOutputClassifier
()包装器来完成一个多标签分类任务。clf =
MultiOutputClassifier
(RandomForestClassifier()) 现在,我想
使用
RandomizedSearchCV
为包装在
MultiOutputClassifier
中的RandomForestClassifier找到最佳
参数
。
参数
: params = { 'n_estim
浏览 61
提问于2021-11-14
得票数 0
回答已采纳
1
回答
在learning_rate中定义日志统一的
RandomizedSearchCV
参数
python
、
machine-learning
、
scikit-learn
、
hyperparameters
我正在
进行
超
参数
调
优
,我
使用
scikit-optimize
进行
贝叶斯优化,
使用
RandomizedSearchCV
进行
随机搜索。log-uniform", name='learning_rate'), ...我
如何
使用</e
浏览 0
提问于2018-04-24
得票数 0
回答已采纳
1
回答
调
优
CatBoost
超
参数
时出现问题
jupyter-notebook
、
catboostregressor
RandomizedSearchCV
来
调
优
超
参数
: cat_grid(比我
调
优
RandomForestRegressor时要长得多)。昨天,我在
使用
GPU时出现了“内核停止”(不记得木星是
如何
出现错误的)。今天我要实现CPU。搜索仍在全力
进行
,此时,感到好像被
浏览 9
提问于2020-09-16
得票数 0
2
回答
如何
将随机林分类器应用于未标记的数据集?
python
、
scikit-learn
、
classification
、
random-forest
使用
sklearn,我刚刚完成了训练,
调
优
超
参数
和
测试一个随机森林多类分类器
使用
RandomizedSearchCV
。我得到了最好的
参数
,最好的分数等等。所有这些都是用标签数据集完成的。现在,我想将这个分类器应用到一个没有标签的数据集上(这意味着只有特性而没有类)来
进行
类/标签预测。我还没试过什么,因为我被卡住了。
浏览 12
提问于2022-11-29
得票数 -2
1
回答
使用
make_scorer创建真阳性的度量
python
、
decision-tree
、
metrics
make_scorer(precision_score, pos_label=1, greater_is_better=True, 然后
使用
RandomizedSearchCV
进行
超
参数
调
优
: random_search =
RandomizedSearchCV
(clf, scoring= metrica,param_distributions=par
浏览 0
提问于2018-09-19
得票数 0
1
回答
在多标签分类中将
参数
传递给较低级别的XGBoost估计器
python
、
scikit-learn
、
xgboost
、
multilabel-classification
、
hyperparameters
另外,多亏了
RandomizedSearchCV
,我想对XGBoost的
超
参数
执行一个随机搜索。from sklearn.model_selection import train_test_split,
RandomizedSearchCV
xgb_random_search =
Randomize
浏览 23
提问于2020-05-22
得票数 0
回答已采纳
2
回答
基于
RandomizedSearchCV
的scikit学习
超
参数
的条件优化
python
、
scikit-learn
、
hyperparameters
我希望在sklearn中
使用
RandomizedSearchCV
为我的数据集上的支持向量分类器搜索最优的
超
参数
值。我正在优化的
超
参数
是“内核”、"C“
和
”伽马“。但是,对于"poly“核,我还想优化第四个
超
参数
”度“(多项式核函数的索引)。我意识到,由于在内核不是"poly“时忽略了度数
超
参数
,所以我只需在我提供给
RandomizedSearchCV
的
浏览 6
提问于2019-09-30
得票数 2
回答已采纳
1
回答
精度分数错误:分类指标不能处理多类
和
连续目标的混合
python
、
machine-learning
、
scikit-learn
、
hyperparameters
我正在尝试
使用
超
参数
调
优
来优化某一性能度量的分类模型。直到我尝试为precision_score度量专门
调
优
我的模型之后,我才收到上述错误;当我只是将我的模型用作一个正常的预测器时,一切运行都非常顺利,即使我添加了
超
参数
调
优
,也是很好的。50, cv = cv , verbose=2, n_jobs = -1)在此代码中: random_h
浏览 5
提问于2021-12-23
得票数 0
1
回答
是否对培训或验证数据集
进行
了
超
参数
调
优
?
hyperparameter-tuning
、
hyperparameter
是否对培训或验证数据集
进行
了
超
参数
调
优
?post 这里对是否应该
使用
训练集
进行
超
参数
调整给出了不同的意见。我想知道是否可以在训练数据集上
进行
超
参数
调
优
?此外,我想知道为什么我们应该/不应该对训练数据集
进行
超
参数
调
优
的后果是什么。 提前感谢!
浏览 0
提问于2023-05-08
得票数 0
2
回答
如何
在培训阶段
使用
验证集?
neural-network
我对在训练阶段
如何
使用
验证集感到困惑(像CNN这样的神经网络)?在Matlab或python(Keras)这样的平台中,我将数据集分为训练集、验证集
和
测试集。我知道验证集用于
调
优
超
参数
(如神经元数目
和
学习速率),假设
使用
SDG优化器,
如何
根据验证集
进行
调
优
?验证集是否只是给出了神经网络对不可见数据(验证集)表现的指示,然后基于此我手动设置了
超
<e
浏览 0
提问于2020-07-19
得票数 2
回答已采纳
3
回答
本地
超
参数
调
优
-- Tensorflow Google Cloud ML Engine
tensorflow
、
gcloud
、
google-cloud-ml
、
tensorflow-estimator
、
hyperparameters
是否可以
使用
ML引擎
调
优
超
参数
以在本地训练模型?文档只提到了在云中
使用
超
参数
调
优
进行
培训(提交作业),而没有提到在本地
进行
培训。否则,是否存在另一种常用的
超
参数
调
优
,将命令
参数
传递给task.py,如人口普查估计器教程中所述?
浏览 2
提问于2018-11-30
得票数 1
1
回答
如何
在
RandomizedSearchCV
中
使用
交叉验证拆分数据
scikit-learn
、
cross-validation
、
hyperparameters
我正在尝试
使用
RandomizedSearchCV
将我的模型从单次运行转移到
超
参数
调
优
。 在我的单次运行案例中,我的数据被分成了训练/验证/测试数据。当我
使用
默认的3折CV在我的train_data上运行
RandomizedSearchCV
时,我注意到我的train_input的长度减少到了train_data的66% (这在3折CV中是有意义的..因此,我猜我应该将初始训练集
和
验证集合并到一个更大的训练集中,并让
浏览 6
提问于2018-02-10
得票数 0
回答已采纳
1
回答
在生产流水线中
使用
超
参数
调
优
是一个很好的实践吗?
deep-learning
、
tensorflow
、
hyperparameter-tuning
我正在学习扩展的TensorFlow,我可以看到它的训练管道包括一个用于
超
参数
调
优
的"Tuner“组件。因此,我想知道在生产管道的情况下,包含
调
优
是否是一个很好的实践(在大多数情况下,这是通过额外的新培训实例不时迭代地调用的)。我可以看到三种可能性: 在生产前
进行
单独的
超
参数
调
优
实验,而在生产管道中不
进行
调
优
(这是我以前经常
使用
浏览 0
提问于2022-02-23
得票数 0
2
回答
如何
使SageMaker XGBoost
超
参数
调
优
在脚本模式下工作
xgboost
、
amazon-sagemaker
我将在此之后
进行
跟踪,并想知道是否可以将脚本模式与
超
参数
调
优
结合
起来。如果我尝试这样做,HPT.fit()会一次又一次地运行我的脚本( main()函数,然后是_xgb_train()),但是我不知道
如何
将算法为我选择的
超
参数
传递给train函数。有什么想法吗?
浏览 9
提问于2022-07-27
得票数 0
1
回答
验证数据NN的目的
neural-network
除了
使用
验证数据来
调
优
超
参数
之外,将验证数据包含到模型中还有其他好处吗?那么,如果我们不调
优
超</em
浏览 0
提问于2020-02-28
得票数 2
回答已采纳
2
回答
GridSearchCV &
RandomizedSearchCV
-运行后您是否重新修改了模型?
python
、
machine-learning
、
scikit-learn
、
cross-validation
、
gridsearchcv
我有一些测试
和
训练数据,测试数据没有任何依赖变量。我知道它做了交叉验证,所以我相信它可以吗?
浏览 4
提问于2019-11-16
得票数 0
回答已采纳
2
回答
在分裂成折叠之前对数据
进行
洗牌。
machine-learning
、
cross-validation
、
hyperparameter
、
hyperparameter-tuning
我正在运行一个4倍交叉验证的
超
参数
调
优
使用
sklearn的'cross_validate‘
和
'KFold’函数。假设我的训练数据集已经被洗牌了,那么在分割成批/折叠(即KFold函数中的洗牌
参数
)之前,我是否应该对每一次
超
调
参数
调
优
重新洗牌数据?我注意到,
超
参数
调
优
过程的结果将是不
浏览 0
提问于2020-02-27
得票数 3
回答已采纳
1
回答
决策树的
超
参数
调
优
然后在Adaboost中单独
使用
还是同时产生相同的结果?
scikit-learn
、
decision-trees
、
hyperparameter-tuning
、
gridsearchcv
、
adaboost
所以,我在这里的困境是,我在一个独立决策树分类器上执行了
超
参数
调
优
,我得到了最好的结果,现在轮到独立的Adaboost,但是这里是我的问题所在,如果我在Adaboost中
使用
调
优
的决策树作为base_estimator,那么我只对Adaboost执行
超
参数
调
优
,它会产生与尝试对未
调
优
的Adaboost
和
未
调
优
的
浏览 0
提问于2021-09-15
得票数 0
回答已采纳
2
回答
多
参数
GridSearch的
超
参数
整定
python
、
machine-learning
、
scikit-learn
、
deep-learning
、
hyperparameters
我在
进行
神经网络的
超
参数
整定。我已经尝试了很多手动
调
优
,并且对我一直
使用
的数据集的预测能力仍然很差。我一直选择
使用
GridSearch来测试,所有可能的
参数
组合,为我的模型。这样的事情是可能的(请参阅下面的代码),还是如果有一种更聪明/更好的
参数
优化方法?代码能够运行;当然,它需要一些时间,但确实有效。 我没有特别的错误,我只是寻找一些好的洞察力,以了解这是否合适。AQTVPWGISRVQAPAAH-NRGLTGAGVKVS
浏览 1
提问于2020-10-05
得票数 1
回答已采纳
1
回答
如何
使用
Amazon Sagemaker上的自定义docker容器创建
超
参数
调
优
作业?
amazon-web-services
、
docker
、
amazon-sagemaker
我现在想
使用
这个自定义容器
进行
超
参数
调
优
,但这不是内置或预建的Sagemaker容器,因此我不确定是否可以或
如何
使用
自定义容器在Sagemaker上创建
超
参数
调
优
作业。我没有找到任何关于
使用
自定义docker容器来做HYT的官方文档或官方示例。 所以我的问题是:
如何
在Amazon Sagemaker上创建自定义容器的
超
参
浏览 35
提问于2021-01-03
得票数 4
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
使用Optuna进行PyTorch模型的超参数调优
在Keras中如何对超参数进行调优?
在构建机器学习模型的时候,如何进行超参数调优?
如何通过算法调优提高机器学习性能
交叉验证和超参数调整:如何优化你的机器学习模型
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券