在我的问题中，我想使用一个简单的RandomizedSearchCV调谐器调优sklearn.ensemble.StackingRegressor。因为我们需要在实例化StackingRegressor()时定义估计器，所以我无法在我的param_distribution随机搜索中正确地定义估计器的参数空间。from sklearn.svm import LinearSVR
from skl
浏览 232提问于2021-09-21得票数 0
回答已采纳
我正在尝试在Python语言中优化的超参数。
我有3个独立的数据集:训练/验证/测试。因此，我希望使用特定的验证集来调优超参数，而不是使用交叉验证方法，即中描述的“第一种方法”。现在，sklearn有一些很好的内置方法来使用交叉验证(例如)来优化超参数，但是如果我想用特定的验证集来调
浏览 12提问于2021-11-04得票数 1
2回答
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<
浏览 0提问于2020-02-27得票数 3
回答已采纳
how to grid_search to deep learning fastai (我使用LSTM)来调优Learner - https://docs.fast.ai/basic_train.html#Learner的超参数我的代码是： from fastai.train import Learner
model = NeuralNet, model, loss_func=custo
浏览 12提问于2019-06-12得票数 2
回答已采纳
我正在使用scickit-learn调优一个模型的超参数。我使用管道将预处理与估计器链接在一起。我的问题的一个简单版本如下所示：from sklearn.model_selection import GridSearchCV
from sklearn.pipeline，预处理(玩具示例中的StandardScale() )很耗时，而且我没有调优</em
浏览 2提问于2017-04-12得票数 33
回答已采纳
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
浏览 0提问于2021-09-15得票数 0
回答已采纳
我正在尝试调优或搜索scikit-learn中的评分函数的参数。例如，在下面的管道中，我首先使用SelectKBest执行特征选择，这需要一个评分函数(例如，mutual_info_regression)，最后将最好的特征传递给LinearRegression()。我想要调优mutual_info_regression函数中的超参数n_neighbors，这是提供给SelectKBest的<
浏览 22提问于2021-07-08得票数 2
我正在对多个模型进行超参数调优，并比较结果。通过5折交叉验证选择每个模型的超参数。我使用sklearn.model_selection.KFold(n_splits=5, shuffle=True)函数来获得一个折叠生成器。在查看了有关KFold的文档和一些模型的源代码后，我怀疑每个模型都创建了一组新的折叠。我想让事情变得更公平，并对我正在调优的
浏览 4提问于2020-06-23得票数 2
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
score是好的(高于0.8)，但是我想让它更好(也许是0.9)。我已经搜索了sklearn的文档并搜索了这个问题，但是我似乎找不到答案。我的问题是：可以调优 LinearRegression 模型吗？，如果可以，我在哪里可以找到它？
浏览 2提问于2020-02-28得票数 0
回答已采纳
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
Google Cloud ML使用贝叶斯优化来缓解维度的诅咒。在特定情况下，我有一些超参数调优作业，在这些作业中，我希望对超参数调优作业中的超参数网格执行详尽的搜索。我该怎么做呢？我执行纯网格搜索的动机是:我观察到，针对完全离散类型的超参数的超参数<
浏览 3提问于2018-01-19得票数 1
我喜欢使用GridSearchCV进行机器学习模型的超参数调优(这里主要使用sklearn )。感谢您的见解
浏览 0提问于2020-05-14得票数 1
我经常使用sklearn GridsearchCV来调优超参数，但是我想知道在创建折叠之前，我给它的数据集是否会被打乱。我希望它不会被打乱，但我找不到它是否在文档中。像train_test_split这样的东西有一个布尔值可以混洗或不混洗。
浏览 26提问于2020-07-23得票数 0
回答已采纳
我的理解正确吗?如果我只想使用GridSearchCV()而不是超参数模型调优，而只想对现有的基本估计器进行交叉验证，我可以只使用空的param_grid：
par
浏览 3提问于2021-06-06得票数 1
1回答
当我使用hyperopt库来调优随机森林分类器时，我得到了以下结果：然而，当我使用默认的超参数来训练模型时，所有的评估指标(精度、召回、F1、iba、AUC)都会返回比调优模型更高的值。我还应该继续跟踪调优参数吗？或者忽略调优过程的结果，因为它无助于改进结果
浏览 0提问于2019-05-27得票数 4
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<em
浏览 0提问于2022-02-23得票数 0
2回答
我试图在sklearn_crfsuite.CRF模型上执行超参数调优。当我试图执行下面的代码时，它不会出现任何异常，但是它可能无法执行fit。%%timecrf = sklearn_crfsuite.CRF(
algorithm='#github link for bug: https://github.com/TeamHG-Memex&
浏览 0提问于2022-04-28得票数 1
如果我有许多超参数要调优，每个超参数都可以表示为任意长度的向量，例如神经元数量= [4, 8, 16]，学习率= [0.1, 0.01, 0.001, 0.0001]，那么全网格搜索的计算复杂度是多少？要调优的不同超参数的数量是否为多项式？
浏览 26提问于2019-08-17得票数 2
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
