问题标签 [scikit-optimize]

我正在尝试使用 RF 分类器，但每次尝试运行 bayessearchCV 函数时，都会返回错误。附件是我的具体示例和您可以运行和重现的示例。我怀疑这可能是由于 train_test_split 函数，但我不完全确定如何分类。如果我的代码中有任何明显错误的地方，请告诉我...

我目前正在使用最新版本的 sklearn/skopt/numpy 等

错误

一个让你重现

这给出了与我机器上的第一个示例相同的错误。

scikit-optimize 的典型用例是给定一组固定超参数的优化目标，其中 skopt 可以完全控制探索空间。但是，人们可能希望同时向 skopt公开一个变量，并在随后的迭代中将其固定为某个值，因为它超出了一个人的控制范围。这可以使用当前的 API 吗？

假设用例：

我们希望最大化自行车销售利润。价格是一个需要优化的自由参数。降雨预报超出了我们的控制范围，但我们希望在 skopt 中对其进行控制。

我正在尝试使用 BayesSearchCV 调整 xgboost 模型以进行多类分类。这是我的代码。

当我运行它时，一切都很好，直到它到达模型 10，返回此错误：

我显然已经用谷歌搜索了，但没有发现任何有用的东西。有任何想法吗？

顺便说一句，以防万一，我的数据集中根本没有负值。

我正在使用 scikit-learn 优化包来调整模型的超参数。出于性能和可读性的原因（我正在使用相同的过程训练多个模型），我想在一个类中构建整个超参数调整：

现在我得到了装饰器@use_named_args 没有在一个类中正常工作的问题（scikit-optimize 的示例代码）。我收到错误消息

这显然是关于在这种情况下对装饰器的滥用。

可能是由于我对此类装饰器的功能缺乏了解，我无法运行它。有人可以帮我解决这个问题吗？

提前感谢大家的支持！

我在使用@use_named_argsScikit Optimize时遇到问题。问题是我的目标函数接受参数NamedTuple并且我无法更改它，因为这是我正在处理的项目中的要求。现在，我需要实现skopt超参数搜索，我需要用它@use_named_args来装饰我的目标函数。由于我的目标函数接受NamedTuple而不是单个参数（如skopt示例中的那个），我该怎么做？除了需要调整的可变超参数之外，我还需要传递一个固定的超参数集。

下面是我想要实现的代码，但我不能，因为我不能my_objective_function用@use_named_args

谢谢！

还有其他几个与此类似的问题，但我找不到似乎适合的解决方案。我正在将 LightGBM 与 Scikit-Optimize BayesSearchCV 一起使用。

训练运行了一段时间，然后出现以下错误：

类似问题的一些答案表明这可能是使用 GPU 的结果，但我没有可用的 GPU。我不知道还有什么原因导致它或如何尝试修复它。任何人都可以提出任何建议吗？

我的目标是在 python 中使用 Scikit-Optimize 库来最小化函数值，以便找到 xgboost 模型的优化参数。该过程涉及使用不同的随机参数运行模型 5,000 次。

但是，似乎循环在某个时候停止并给了我一个 RuntimeError: can't start new thread。我正在使用 ubuntu 20.04 并且正在运行 python 3.8.5，Scikit-Optimize 版本是 0.8.1。我在 Windows 10 中运行了相同的代码，似乎没有遇到此 RuntimeError，但是，代码运行速度要慢得多。

我想我可能需要一个线程池来解决这个问题，但是在网上搜索之后，我没有找到实现线程池的解决方案。

以下是代码的简化版本：

以下是错误消息：

我刚读过Bayesian optimization，我想试试。

我安装scikit-optimize并检查了 API，我很困惑：

1. 我读到贝叶斯优化从一些初始化样本开始。

   • 我看不到在哪里可以更改此号码？( BayesSearchCV)
   • n_points将更改参数设置的数量以并行采样并且n_iter是迭代次数（如果我没记错迭代不能并行运行，算法会在每次迭代后改进参数）

2. 我读到我们可以使用不同的采集功能。我看不到在哪里可以更改采集功能BayesSearchCV？

我阅读了一些关于变量的帖子和教程BayesianOptimization，但从未见过关于kappa变量的解释。

• kappa变量是什么？
• 它对我们有什么帮助？
• 这些值如何影响BayesianOptimization过程？

我正在使用BayesSearchCVfromscikit-optimize来优化XGBoost模型以适应我拥有的一些数据。虽然模型很合适，但我对诊断信息中提供的分数感到困惑，无法复制它们。

这是一个使用波士顿房价数据集的示例脚本来说明我的观点：

运行后， xgb_cv.best_score_为 0.816，xgb_cv.best_index_为 3。查看 xgb_cv.cv_results_，我想找到每个折叠的最佳分数：

这使：

我不确定这里计算的是什么，因为在我的代码scoring中设置为。NoneXGBoost 的文档没有太大帮助，但根据xgb_cv.best_estimator_.score?它应该是预测值的 R2。无论如何，当我手动尝试计算拟合中使用的数据的每个折叠的分数时，我无法获得这些值：

这给了我以下信息：

BayesSearchCV 如何计算每个折叠的分数，为什么我不能使用该score函数复制它们？对于此问题的任何帮助，我将不胜感激。

（此外，手动计算这些分数的平均值给出：0.8156560 ...，而xgb_cv.best_score_给出：0.8159277 ...不知道为什么这里有精度差异。）