Hyperopt-sklearn 介绍
Hyperopt-sklearn是基于scikit-
learn项目的一个子集,其全称是:Hyper-parameter optimization for scikit-learn,即针对scikit-
learn项目的超级参数优化工具。由于scikit-learn是基于Python的机器学习开源框架,因此Hyperopt-
sklearn也基于Python语言。
Hyperopt-
sklearn的文档称:对于开发者而言,针对不同的训练数据挑选一个合适的分类器(classifier)通常是困难的。而且即使选好了分类器,后面的参数调试过程也相当乏味和耗时。更严重的是,还有许多情况是开发者好不容易调试好了选定的分类器,却发现一开始的选择本身就是错误的,这本身就浪费了大量的精力和时间。针对该问题,Hyperopt-
sklearn提供了一种解决方案。
Hyperopt-sklearn支持各种不同的搜索算法(包括随机搜索、Tree of Parzen
Estimators、Annealing等),可以搜索所有支持的分类器(KNeightborsClassifier、KNeightborsClassifier、SGDClassifier等)或者在给定的分类器下搜索所有可能的参数配置,并评估最优选择。并且Hyperopt-
sklearn还支持多种预处理流程,包括TfidfVectorizer,Normalzier和OneHotEncoder等。
那么Hyperopt-sklearn的实际效果究竟如何?下表分别展示了使用scikit-learn默认参数和Hyperopt-
sklearn优化参数运行的分类器的F-score分数,数据源来自20个不同的新闻组稿件。可以看到,经过优化的分类器的平均得分都要高于默认参数的情况。
另外,Hyperopt-sklearn的编码量也很小,并且维护团队还提供了丰富的参考样例。
Hyperopt-sklearn 官网
https://github.com/hyperopt/hyperopt-sklearn
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。