问题标签 [hyperopt]

我正在尝试将 hyperopt 与 H2O XGBoost 一起简单地使用，为此我从参数的 numpy 数组中取出元素，但是我得到了这个 H2OTypeError 并且我不明白为什么?integer不满足条件int64.

为简化示例，H2O XGBoost 在调用时确实有效：

但以下返回此 H2OTypeError：

...

我现在可以解决该错误，但我不明白。

混淆是因为当我们在 vw 命令行中指定 --sgd 时，它运行经典的 sgd，没有自适应、规范化和不变的更新。那么，当我们在 vw-hyperopt 中将算法指定为 sgd 时，它是作为经典运行还是带有特殊更新？是否必须在 vw-hyperopt 中指定算法？哪个是默认算法？谢谢你。

我有 20 个参数可以采用二进制值，这些参数传递给函数以返回这样的分数。

现在要优化这个场景，哪个是最好的算法？

我读到了遗传算法，在染色体中可以进行突变和交叉以从 2^20 个搜索点中选择最佳组合。

我还阅读了有关优化功能但试验次数较少的 hyperopt。

哪个更好？使用这些算法有什么优点或缺点？

我想搜索其中一个依赖于另一个的参数，这与StackOverflow question 中描述的非常相似，但是当我运行时，我遇到了以下问题：

阅读对问题的评论看起来像是在 hyperopt 的 0.2.3 版中发生了变化。知道如何在当前版本上处理此类问题吗？下面的代码重现了我面临的错误。

每次我尝试在 Google Collab 中安装 HyperOpt-Sklearn 库时，都会收到以下错误：

不知道为什么我在这个库而不是其他库中出现错误。

我使用他们在其网站上建议的安装代码：

我正在尝试使用库中的 ML 模型SparkTrials优化hyperopt。我在具有 16 个内核的单台机器上运行它，但是当我运行以下将内核数设置为 8 的代码时，我收到一条警告，似乎表明只使用了一个内核。

SparkTrials接受作为参数spark_session，理论上是我设置核心数量的地方。

谁能帮我？

谢谢！

并行度 (8) 大于当前 Spark 任务槽总数 (1)。如果启用了动态分配，您可能会看到分配了更多的执行程序。

我有一些奇怪的错误，我已经坚持了几天，无法解决。

我的目标是评估 hyperopt 中的几个 keras nns。为了促进评估过程，我使用 SparkTrails（另见http://hyperopt.github.io/hyperopt/scaleout/spark/）。对于所有 scikit-learn 回归器，这工作得非常好。但是每次我使用 keras nn 时，都会对模型进行评估，但不会返回结果。以下是我收到的错误消息：

我构建了一个最小的代码示例，可以通过以下方式重新创建错误：

我的系统设置如下： python 3.7 hyperopt 0.2.5 keras 2.4.3 tensorflow 2.3.1 pyspark 3.0.1

我使用 java 版本：openjdk 版本 "1.8.0_272" OpenJDK 运行时环境 (AdoptOpenJDK)(build 1.8.0_272-b10) OpenJDK 64-Bit Server VM (AdoptOpenJDK)(build 25.272-b10, 混合模式)

和 Spark 版本 3.0.1

任何人都可以帮助我吗？？？

要为 hyperopt 创建搜索空间，我们可以简单地执行以下操作：

但是，当我想要这样的条件时，我该怎么做x + y = 1？并将其扩展到许多变量，例如x+y+z+t = 1

在space参数中，我将其声明为：

fmin成功跑了。但是，当我使用: 时model = Regressor(**best)，它会抛出： CatBoostError: catboost/private/libs/options/json_helper.h:157: Can't parse parameter "langevin" with value: 1

如何强制返回值为 True？

我正在尝试使用 Python 中的 Hyperopt 模块调整给定设置的参数。对于这些参数，我已经有了一些不错的值，但我想围绕它们来看看我是否可以改进我的设置行为。

我定义了一个目标函数objfn和一个搜索空间

假设我手动找到的参数是 param1 = 15 和 param2 = 900，我该如何指示fmin从它们开始？例如，我可以将 param1 的搜索空间限制hp.uniform("param1", 10, 20)为，但我可能会错过恰好超出此限制区间的最佳值。