回答情况：
提问时间：
问题标签：
是否可以使用ML引擎调优超参数以在本地训练模型？文档只提到了在云中使用超参数调优进行培训(提交作业)，而没有提到在本地进行培训。否则，是否存在另一种常用的超参数调优，将命令参数传递给task.py，如人口普查估计器教程中所述？
浏览 2提问于2018-11-30得票数 1
像AWS这样的工具具有自动调整超参数的能力，即使使用Tensorflow的神经网络等复杂的algos也是如此。那么，我们是否还需要学习如何进行超参数调优，或者干脆把它留给像Sagemaker这样的工具呢？Thx
浏览 0提问于2020-11-14得票数 0
1回答
云ML引擎超参数调优失败，错误信息如下：
Too many hyperparameter tuning metrics were written by Hyperparameter Tuning Trial
浏览 11提问于2018-03-02得票数 1
回答已采纳
在我的问题中，我想使用一个简单的RandomizedSearchCV调谐器调优sklearn.ensemble.StackingRegressor。因为我们需要在实例化StackingRegressor()时定义估计器，所以我无法在我的param_distribution随机搜索中正确地定义估计器的参数空间。有没有办法在StackingRegressor中调优不同估计器的参数？
浏览 232修改于2021-09-21得票数 0
回答已采纳
我正在使用Google运行超参数调优。我想知道是否有可能从以前的运行中受益(可能是部分的)。
我想在事后延长审判的次数，而不是从头开始。然后，举个例子，我想移除一个自由度(例如training_rate)，重点放在其他参数
浏览 1修改于2016-10-12得票数 1
回答已采纳
是否对培训或验证数据集进行了超参数调优？post 这里对是否应该使用训练集进行超参数调整给出了不同的意见。我想知道是否可以在训练数据集上进行超参数调优？此外，我想知道为什么我们应该/不应该对训练数据集进行超参数调优的后果是什么。
提前感谢！
浏览 0修改于2023-05-08得票数 0
我编写了以下代码来在RandomizedSearchCV分类器模型上执行LightGBM，但是我得到了以下错误。码fit_params={"early_stopping_rounds":30, "eval_
浏览 12提问于2021-04-08得票数 1
1回答
据我所知，如果我错了，请纠正我，当我有一个庞大的数据集时，使用交叉验证进行超参数调优是不可取的。因此，在这种情况下，最好将数据拆分到培训、验证和测试集中；然后使用验证集执行超参数调优。在我正在编程的情况下，我想使用scikit，酵母数据集可以在：http://archive.ics.uci.edu/ml/datasets/yeast上获得；例如，调优历元数。对于150
浏览 0提问于2019-09-21得票数 1
1回答
我试图通过在管道中使用决策树分类器来执行时空K-均值聚类的超参数调优。其思想是利用K-均值聚类算法生成聚类距离空间矩阵和聚类标签，然后将其传递给决策树分类器。对于超参数调整，只需使用K-均值算法的参数即可。我正在使用Python3.8和sklearn 0.22。
我感兴趣的数据有3列/属性：time、x和y (x和y是空间坐标)。
浏览 4修改于2021-07-24得票数 1
回答已采纳
我试图调优几种ML算法(rf、adaboost和xgboost)的超参数，以训练一个以多类分类变量为目标的模型。我与MLR软件包在R.然而，我不确定以下几点。要调优的超参数(以及使用默认的超参数)的，，调优的超参数的空间应该是什么？
你知道我能从哪里找到这方面的信息吗？
浏览 3提问于2021-07-22得票数 0
回答已采纳
在特定情况下，我有一些超参数调优作业，在这些作业中，我希望对超参数调优作业中的超参数网格执行详尽的搜索。我该怎么做呢？我执行纯网格搜索的动机是:我观察到，针对完全离散类型的超参数的超参数调优作业多次评估相同的超参数组合，这是我不想要的。我怀疑这与贝叶斯优化的使用有关。这就是为
浏览 3提问于2018-01-19得票数 1
clf.partial_fit(X_train, y_train, classes=classes)但看起来，由于GridSearchCV有没有一种方法可以调优超参数，同时仍然使用内核外学习？
浏览 0修改于2017-09-23得票数 3
然而，在最终的模型训练和评估之前，我也想包括超参数调整。
我的问题是，是否存在在管道中包含调优的最佳实践，如果存在，是否可以公开使用？
浏览 0提问于2019-06-18得票数 1
为了确定超参数(l1，alpha)，我使用了ElasticNetCV。使用获得的超参数，我将模型重新调整为整个数据集，以供生产使用。我不确定这在机器学习方面和我如何做到这两个方面都是正确的。
浏览 2提问于2020-12-17得票数 0
我计划使用GridSearchCV进行超参数调优，但是不同参数的值范围应该是多少呢？我如何知道我选择的范围是正确的？我是否应该将这种方法用于随机森林所需的所有参数？这种方法可能会错过一个“好的”组合，对吗？
浏览 3修改于2016-02-02得票数 9
我正在尝试使用最新的SageMaker Python SDK (v2.23.0)来实现一个包含超参数调优作业的SageMaker管道。
浏览 2提问于2020-12-29得票数 0
我想在matlab中训练一个支持向量机分类器，并通过K-折交叉验证找到它的最佳超参数，然后使用该模型对另一个数据集进行分类精度测试。
浏览 14修改于2020-11-02得票数 0
我将在此之后进行跟踪，并想知道是否可以将脚本模式与超参数调优结合起来。如果我尝试这样做，HPT.fit()会一次又一次地运行我的脚本( main()函数，然后是_xgb_train())，但是我不知道如何将算法为我选择的超参数传递给train函数。有什么想法吗？
浏览 9提问于2022-07-27得票数 0
我正在尝试对xgboost模型进行超参数调整。我从AWS Sagemaker Hyperparameter Tuning开始，参数范围如下： tags=[{'Key': 'Application', 'Value': 'cxxx'}])
并获得具有以下超<
浏览 2提问于2020-02-27得票数 0
这可能是一个奇怪的问题，因为我还没有完全理解超参数调优。目前，我正在使用gridSearchCV of sklearn来调优randomForestClassifier的参数，如下所示：
gs = GridSearchCV(RandomForestClassifier
浏览 0修改于2018-04-11得票数 2
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号