问题标签 [scikit-optimize]

我试图通过使用 lmfit.Model 拟合实验数据来确定系数。

当我运行我的代码时，我收到以下错误：

功能是：

我想确定直流

我试图修复参数 l&r 因为它们是已知的。t（时间）对应于我的 x 数据，儿子是我想要拟合模型的 Y 数据。

我的代码是：

t是一个 np 数组以及Son

我希望能够使用库skopt从检查点恢复高斯过程。经过一番研究，我找不到这样做的方法。

这是一个简单的代码来显示我想要做什么：

我希望能够从以前的高斯过程优化中加载一个检查点并继续它，这样模型就不必再次从头开始学习所有内容。有没有办法这样做？

我使用了几台计算机来运行相同的脚本，现在有几个 result_files.pkl。

我想将它们合并在一起以一起分析所有结果。这可能吗。我尝试使用字典来附加它们：

但收到以下错误消息：

关于如何合并它们的任何想法？

谢谢

我正在使用具有 4 个输入和一个输出的高斯过程回归。目标是通过对拟合模型执行贝叶斯优化来找到最优 X。

我用以下方式拟合模型：

到目前为止，这就是我用来执行优化的方法：

我不断收到以下错误：

不确定是否有可能解决问题，我已经尝试过：

和

但没有成功。有关如何克服此类问题的任何想法？

我正在使用很棒的 scikit-optimize 工具箱进行超参数优化。我的目标是比较 keras 和 scikit-learn 模型。

根据示例https://scikit-optimize.github.io/stable/auto_examples/sklearn-gridsearchcv-replacement.html#sphx-glr-auto-examples-sklearn-gridsearchcv-replacement-py仅使用了 scikit 学习模型. 尝试类似以下代码的操作不允许将 keras 模式集成到 BayesSearchCV 中。

有没有人设法将 KerasClassifier/Regressor 合并到 BayesSearch CV 中？

我正在尝试优化评估相对昂贵的功能。该函数在一系列数据点上运行，并且可以并行评估。每个数据点评估都需要访问全局数据，因此我使用 ctype 和多处理数组在进程之间共享数据。我正在使用多处理 Pool.map() 并行评估整个数据集。

我正在使用 scikit-optimize 贝叶斯高斯过程最小化器来优化基于输入的函数。该输入对应于创建预定大小的数据集。

我有一个奇怪的问题，如果我运行 GP 最小化程序进行 10 次以上的调用，但只有当我计算函数的并行部分的数据集的大小很大时，程序才会挂起。否则，我可以毫无问题地运行最多 100 次调用的优化器。

基本的脚手架是这样的：

'''

我意识到上面的代码不一定对双池有意义，但对于我的实际程序来说它是必要的，因为它太大而无法发布。

当我中断被阻止的程序时，我收到以下错误：

'''

'''

当地图等待获取资源时，程序似乎卡住了。同样，当我正在操作的数据集的大小很小时，它不会引起这个问题。有任何想法吗？

我想恢复一个 gp 进程，但我收到了奇怪的消息。我开始我的 gp 进程，只提供 x0 和 y0=None。我的初始点是 30 和 n_evals = 50。我在第 20 次评估时停止它。然后我加载结果并按照我提供的文档中的示例 x0 和 y0（两者都是列表列表）并运行相同的过程。（我已经重新启动了内核 obv。）但是，即使在评估之后也没有。12 消息是：Iteration No: 13 开始。在随机点评估函数。它应该在哪里寻找下一个最佳点。

难道我做错了什么？

我正在尝试实现贝叶斯优化，但在从 skopt 导入 gp_minimize 的 scikit-optimize 包中导入“gp_minimize”时已经开始出错

`

` 我已经下载了所有必需的包，例如 joblib 和 scikit learn 和 scikit optimize，所以不知道为什么它不起作用。

我正在使用 scikit-optimize 在我的 RandomForestClassifier 超参数空间中执行 BayesSearchCV。一个超参数也应该为 0（零），同时具有对数均匀分布：

由于无法计算 log(0)，显然不可能让参数在某些时候取值为 0。

因此，引发以下错误：

有没有办法解决这个问题？

当我使用scikit-optimize0.7.4 版本优化scikit-learn0.23 模型时：

当我跑步时rf.fit，它说，

但是当我简单地使用RandomForestClassifier并安装它时，就不会发生错误。那么，如何避免这个问题呢？谢谢！

完整的回溯如下。