使用AI Platfrom进行超参数调整会多次尝试相同的值

Question

我在Google AI平台上有一个小的机器学习模型。它接受多个输入特征并预测一个输出。超参数调优用于尝试不同的输入特性集，以查看哪个更好，我的配置(yaml)文件如下所示：

trainingInput:
 scaleTier: STANDARD_1
 hyperparameters:
 goal: MINIMIZE
 maxTrials: 4
 maxParallelTrials: 1
 hyperparameterMetricTag: rmse
 params:
   parameterName: feature_set
   type: CATEGORICAL
   categoricalValues: ["people_per_bedroom", "num_rooms,housing_median_age", "num_rooms,housing_median_age,people_per_bedroom", "num_rooms"]

它似乎是有效的，但我很困惑地看到，AI平台已经尝试了一些价值观两次，而另一些根本没有尝试过。

​

​

有人能澄清一下这种行为吗？

Answer 1

AI平台超参数调整使用的默认算法是贝叶斯优化算法。如果您想尝试feature_set参数的所有可能值，可以在您的超参数规范中将algorithm字段更改为GRID_SEARCH。

下面是关于算法类型的文档：https://cloud.google.com/ml-engine/reference/rest/v1/projects.jobs#Algorithm