问题标签 [hyperas]

我正在使用 hyperas 来优化功能，但它没有返回最佳结果。在运行期间，打印输出如下

但之后当我打印我得到的最佳模型的结果时

这已经发生了几次，我不明白为什么。我写了一个可重现的例子，我遇到了同样的问题。

上次我运行这个状态栏显示

和print(best_run)展示的

为什么我的best_run结果不符合优化运行中最小的损失？

我正在尝试使用 hyperas 来解决回归问题。我看到的大多数例子都只是分类问题，我试图相应地构建我的模型优化。但是，Invalid Loss每次我尝试优化我的模型时都会得到一个。

我正在优化我的模型

谁能帮我这个？我是 hyperas 新手，不知道我在回归问题中哪里出错了？

还有其他更容易使用的超参数优化器吗？

我正在尝试使用Hyperas中的optim.minimize。运行的代码是google colab，python 3 + GPU。

当我运行这个：

抛出此错误：

……

类型错误：

[6743 行 x 10 列] 不是模块、类、方法、函数、回溯、框架或代码对象

有什么问题的线索吗？

谢谢！

tl; dr 我尝试使用 Hyperas 优化和交叉验证我的超参数，但无法使用 KerasClassifier 进行预处理（缩放、过采样/欠采样）管道

我使用Hyperas（hyperopt 的包装器）来调整我的神经网络（使用 Keras/Tensorflow 构建）的超参数，并尝试实施 kfold-cross 验证以获得最佳参数。但是，我还对数据进行预处理（Standardscaler 和 MinMaxScaler），然后使用 SMOTETOMEK 进行过采样/欠采样）。

我读到不应该对整个数据集进行特征缩放和重采样，而应该只对用于训练的部分进行特征缩放和重采样，以避免溢出。尝试在 hyperopt 中仅针对交叉验证的 train folds 实现这一点有些困难，因为当使用类似 的管道时imblearn，该管道仅适用于仅采用模型函数的 KerasClassifier。我不能给他那个模型函数，因为 hyperopt 中的整个验证过程都发生在一个函数中。

你对如何制作这样的作品有什么建议吗？我可以def data()在整个数据集上进行所有预处理并优化/交叉验证参数吗？或者这会损害正确的参数查找过程吗？（我确实有最终模型的额外测试数据集）

有没有办法让它手动工作？

我正在尝试使用 keras hyperas 优化 IMBD 数据集的超参数，但出现错误。我用这个（https://www.kaggle.com/kt66nf/hyperparameter-optimization-using-keras-hyperas）代码作为参考

代码

这最后一个代码是我收到错误“文件”，第 182 行] ^ SyntaxError：无效语法的地方

我在使用 hyperas 时收到以下错误：
AttributeError: 'numpy.random.mtrand.RandomState' object has no attribute 'integers'。

错误发生在我在 optim_minimize 中定义 notebook_name 的行中。

我的完整代码：

我正在采取一种有效的方式来构建神经网络架构，并且基于这项工作： https ://towardsdatascience.com/a-guide-to-an-efficient-way-to-build-neural-network-architectures-部分-i-hyper-parameter-8129009f131b https://github.com/maxpumperla/hyperas/blob/master/README.md#notebook-adjustment

但我对最后的部分有疑问。在代码中问我 notebook_name='simple_notebook'。我尝试更改文件夹或 python 文件的名称但不起作用请帮助我