使用Hyperopt时Trials()出现问题？

Question

我第一次尝试在Python中使用Hyperopt进行超参数调优。我已经通读了文档，并想在XgBoost分类器上尝试一下。"X_train“和"y_train”是将其拆分成测试和训练集后的数据帧。到目前为止，我的代码如下：

#Hyperopt Parameter Tuning
from hyperopt import hp, STATUS_OK, Trials, fmin, tpe
from sklearn.model_selection import cross_val_score


def objective(space):
  print(space)
  clf = xgb.XGBClassifier(objective = space[objective],
                     max_depth = int(space[max_depth]),
                     learning_rate = space[learning_rate],
                     n_estimators = space[n_estimators])


  #eval_set = [(X_train, y_train), (Xcv, Ycv)]
  clf.fit(X_train, y_train, eval_metric='auc',
         early_stopping_rounds=10, verbose=False)

  #pred = clf.predict(X_test)
  auc = cross_val_score(clf, X_train, y_train, cv=3)
  return{'auc':auc, 'status': STATUS_OK }




space = {'booster': 'gbtree',
         'objective': 'binary:logistic',
         'eval': 'auc',
         'max_depth': hp.quniform('max_depth', 1, 100, 5),
         'learning_rate': hp.loguniform('learning_rate', 0.2, 0.3),
         'n_estimators': hp.quniform('n_esimators', 5, 500, 10)}


trials = Trials()
best = fmin(fn=objective,
            space=space,
            algo=tpe.suggest,
            max_evals=3, # change
            trials=trials)

print(best)

我收到以下错误消息，其中突出显示了"trails=trails"：

TypeError: ap_loguniform_sampler() got multiple values for argument 'size'

我已经做了一些研究，但还没有找到解决这个错误的方法。任何帮助都是最好的！

Answer 1

根据文档，hp.loguniform只能接受3个参数，如下所示。

hp.loguniform(label, low, high)

这可能是错误的原因。请查收。