我正在尝试使用MOE(在 Yelp 创建的“度量优化引擎”)来调整机器学习算法的超参数。他们的文档有点有限,我很难找到可以遵循的示例。
假设我想根据以下分布找到C
、Gamma
和kernel type
支持向量机的最佳值:
SVC_PARAMS = [
{
"bounds": {
"max": 10.0,
"min": 0.01,
},
"name": "C",
"type": "double",
"transformation": "log",
},
{
"bounds": {
"max": 1.0,
"min": 0.0001,
},
"name": "gamma",
"type": "double",
"transformation": "log",
},
{
"type": "categorical",
"name": "kernel",
"categorical_values": [
{"name": "rbf"},
{"name": "poly"},
{"name": "sigmoid"},
],
},
]
我试图最大化的目标函数是我的训练集的准确度得分。
我将如何使用MOE 的 api来实现这一点?