问题标签 [hyperopt]

我有很多参数的功能，我想用 hyperopt 优化我的模型，使用这个功能

我的代码带有空格并调用 fmin：

我路径空列表和字典，因为我现在不使用这些参数（我会很感激帮助找到更简洁的方法来做到这一点）。当我运行此代码时，会出现以下错误：

我究竟做错了什么？

我想知道是否有办法访问 hyperopt 为参数选择的当前值？我想在 xgboost 的学习率回调函数中使用它选择的值。

所以我使用 hyperopt，fmin 函数来优化超参数。但是，由于某种原因，我收到此错误：

我的代码是这样的：

奇怪的是，当我手动运行它时，它工作正常：

有谁知道为什么会这样？

我正在尝试调整我的 XGBClassifier 模型。但我没有这样做。请在下面找到代码，请帮我清理和编辑代码。

我相信我在目标函数中做错了，因为我正在尝试编辑 LightGBM 的目标函数。

请帮我。

我正在尝试使用 Hyperopt 对 XGBoostClassifier 进行超参数调整。但我面临一个错误。请在下面找到我正在使用的代码以及错误：-

Step_1：目标函数

我也定义了样本空间和优化算法。在运行 Hyperopt 时，我在下面遇到此错误。误差在目标函数中。

错误：KeyError：'auc-mean'

我正在尝试在 Python 中使用 Hyperopt 微调逻辑回归。请在下面找到优化函数：

运行算法时，它向我显示以下错误。

我怎么解决这个问题？

我正在使用 Azure Databricks + Hyperopt + MLflow 对小型数据集进行一些超参数调整。好像作业正在运行，我在 MLflow 中得到输出，但作业以以下错误消息结束：

这是我的代码，其中包含一些信息：

然后最后我得到..

我的 Azure Databricks 群集是..

我做错了什么还是这是一个错误？

我正在解决一个 Kaggle 问题：https : //www.kaggle.com/c/forest-cover-type-prediction/data 我使用 hyperopt 来找到随机森林的最佳超参数。但是我被困在这里，因为几乎大部分迭代它都给出了最好的损失：Nan。

我的完整代码：

我为完整迭代执行了“fmin”，但结果相同。我在做什么错在这里？？？

我正在尝试将随机森林调整为 Hyperopt，但正在发生此错误，我无法解决

我使用 Hyperopt 在 Python 3.7 中选择 XGBoost 模型的参数。

作为目标，我使用返回多个值的函数，包括损失：

在我的情况下，'loss' - 不是交叉验证中的包容性参数（例如'auc'），但它是自制的指标。我希望，这将通过迭代减少，但它会继续变化，就像随机方法一样。

此外，当我看到 fmin 计算状态时（示例 - 下面）。我看到完全不同的指标正在下降。

我怎么知道，Hyperopt 降低的实际指标是什么？