问题标签 [skopt]

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？

如何使用MLPClassifier sklearn 和优化神经网络中的层数和隐藏层大小skopt？

通常我会指定我的空间，例如：

（比方说超参数alpha_1和alpha_2）。

通过 sklearn 中的神经网络实现，我需要调整hidden_layer_sizes哪个是元组：

我怎么能代表这个Space？

我正在XGBRegressor使用BayesSearchCVfromskopt进行参数调整

c:\users\joel thomas wilson\anaconda_python\py2020\envs\optimus_prime\lib\site-packages\skopt\utils.py in check_x_in_space(x, space) 184 if is_2Dlistlike(x): 185 if not np.all([ p in space for p in x]): --> 186 raise ValueError("并非所有点都在"187"空间的范围内。") 188 if any([len(p) != len(space.dimensions ) 对于 x 中的 p]):

ValueError：并非所有点都在空间范围内。

关于我们搜索每个参数的规则/范围的任何线索，这取决于X范围吗？就像我的模型目标在 [-1, 1] 的范围内。这和这个有关系吗？

我在使用 skopt 库时遇到问题。我尝试优化神经网络的大小，即神经元和层大小，但是我得到的结果与预期相反。优化不喜欢这些参数，它会产生奇怪的结果，比如 NN 有 4 层，每层有 1 个神经元和 RMSE 8*1e-4。我知道使用高斯过程和皮尔逊指数 0.999 的 RMSE 的最佳值为 4*1e-4，但我无法得到相同的结果。有任何想法吗？

我想用 [skopt] ( https://scikit-optimize.github.io/stable/auto_examples/bayesian-optimization.html ) 计算贝叶斯搜索。我的数据集是一个时间序列，t 是我的时间步长。

但我有一个错误：recursionerror：比较中超出了最大递归深度

这是我的代码：

这一步是寻找最佳参数a step t

而这一步是一个循环。

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？

我正在尝试使用 BayesSearchCV 来调整 SGDClassifier 的参数。下面是我尝试过的代码。

正在创建以下错误：

我还使用相同的 model_param 列表测试了 GridSearchCV 和 RandomizedSearchCV 并且它们工作正常。如何正确使用 BayesSearchCV？我必须在哪里更改或必须删除哪个参数？

[更新]

如果我从 model_param 中删除“l1_ratio”，那么上面的代码将起作用。如何执行保持'l1_ratio'？

我正在尝试使用来自 Scikit Optimizer 的 BayesSearchCV 优化 XGBoost 模型，这是我尝试使用的代码：

它在前几次迭代中运行，分数从 -0.001 逐渐降低到 -0.009。

运行后：

它错误：

我很确定这与“分数”有关，但是当我尝试手动设置分数时，它说它不能接受浮点数作为分数的参数。

我将不胜感激任何帮助理解如何克服这个错误。我不认为数据框有问题，因为我现在已经成功地将它们与 xgb.cv 和 xgbRegressor 一起使用，只是当我尝试使用贝叶斯优化时我开始遇到问题。

编辑：当我在 verbose=99 之后添加 score='neg_mean_squared_error' 作为参数时，它运行的时间更长，但之后我得到了同样的错误：

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！