问题标签 [hyperopt]

我正在使用 hyperopt 来调整我的 ML 模型，但在使用 qloguniform 作为搜索空间时遇到了麻烦。我给出了来自官方 wiki的示例并更改了搜索空间。

但得到以下错误。

ValueError: ('negative arg to lognormal_cdf', array([-3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, -3.45387764, - 3.45387764、-3.45387764、-3.45387764、-3.45387764、-3.45387764、-3.45387764、-3.45387764、-3.45387764、-3.45387764、-3.45387764]、-3.438)3)

我尝试过如下不进行对数转换，但输出值结果是对数转换（例如 1.017,1.0008,1.02456），这是错误的。它与文档一致。

谢谢

我正在尝试使用贝叶斯优化（Hyperopt）来获得 SVM 算法的最佳参数。但是，我发现每次运行时最佳参数都会发生变化。

下面提供了一个简单的可重现案例。你能解释一下吗？

以下是一些最佳值。

最佳：{'C'：0.08776548401545513，'gamma'：1.447360198193232}

最佳：{'C'：0.23621788050791617，'gamma'：1.2467882092108042}

最佳：{'C'：0.3134163250819116，'gamma'：1.0984778155489887}

我正在尝试使用 Ray Tune包对使用纯 Tensorflow 实现的 LSTM 进行超参数调整。为此，我使用了超频带调度程序和HyperOptSearch算法，并且还使用了可训练的类方法。当我尝试运行它时，我收到以下错误：

类型错误：ap_uniform_sampler() 缺少 1 个必需的位置参数：“高”

下面显示的是堆栈跟踪：

FutureWarning：不推荐将 issubdtype 的第二个参数从floatto转换np.floating。将来，它将被视为np.float64 == np.dtype(float).type. from ._conv import register_converters as _register_converters 处理 STDOUT 和 STDERR 被重定向到 /tmp/ray/session_2018-12-19_09-43-46_5469/logs。等待 127.0.0.1:14332 的 redis 服务器响应... 等待 127.0.0.1:25158 的 redis 服务器响应... 使用 /dev/shm 启动具有 3.220188364 GB 内存的 Plasma 对象存储。无法启动 UI，您可能需要运行“pip install jupyter”。== 状态 == 使用 HyperBand：num_stopped=0 total_brackets=0 第 0 轮：请求的资源：0/4 CPU，0/0 GPU 此节点上的内存使用量：3.7/8.1 GB

我的代码如下所示：

我使用 hyperopt 优化了我的 keras 模型。现在我们如何将最佳优化的 keras 模型及其权重保存到磁盘。

我的代码：

我正在使用 hyperopt 搜索空间以帮助调整神经网络的超参数。我正在搜索的空间是：

在这个空间上搜索时，经过十到二十次空间迭代，我得到以下错误：

我能够搜索不太具有表现力的空间（以及其他空间）：

我不确定如何处理错误？理想情况下，我希望它只是省略导致问题的任何超参数组合，然后继续尝试下一个组合。然而，目前错误只是终止了程序。

我正在使用 Python 的 hyperopt 库来执行 ML 超参数的优化。特别是我正在尝试使用此函数找到 lightgbm 最佳超参数以最小化：

hyperopt 调用是：

是否可以修改best调用以将补充参数传递给lgb_objective_maplike as lgbtrain, X_test, y_test？这将允许概括对 hyperopt 的调用。

我正在尝试优化sklearn.svm.LinearSVC使用hyperopt-sklearn的性能。我正在使用LinearSVC来预测 CIFAR-10 数据集的图像标签，并希望通过hyperopt能够提高性能。

但是，尽管多次运行，当我运行以下命令时：

我收到此错误：

AttributeError: 'hyperopt_estimator' object has no attribute '_best_preprocs'

这是一个错误，如hyperopt-sklearn GitHub 上的这个开放问题中所述，但没有解决方案。任何人都能够绕过这个错误？

我第一次尝试使用 Hyperopt 在 Python 中进行超参数调整。我已阅读文档并想在 XgBoost 分类器上尝试此操作。"X_train" 和 "y_train" 是拆分成测试集和训练集后的数据框。到目前为止，这是我的代码：

我收到以下错误，突出显示“trails=trails”：

我进行了一些研究，但无法找到解决此错误的方法。任何帮助都会很棒！

我遇到了一个奇怪的问题：我通过 hyperopt
定义了我的 XGB 超参数'max_depth'

但我得到'max_depth' = 0或1结果，这是[2,20)不受限制的。为什么？我错过了什么？谢谢。

错误结果：

This query is referring to usage of trials as an argument in fmin.

The documentation (https://github.com/hyperopt/hyperopt/wiki/FMin) state that trials object got lists like trials.trials, trials.results, trials.losses() and trials.statuses().

However, I have seen usages like trials.best_trial and trials.trial_attachments that were not mentioned in the document.

Now I wonder how to get a list of all the contents of the trials object? The object type is hyperopt.base.Trials.