python - 使用 Scikit-Learn 的 RandomizedSearchCV 模块,你如何保证某组超参数设置都会被测试?
问题描述
使用 Scikit-Learn 的 RandomizedSearchCV 模块,你如何保证某组超参数设置都会被测试?
我的目标是保证,使用随机搜索最优估计器超参数,所有可用的 sklearn 激活函数MLPClassifier
都经过测试。不过,我还想要一个适用于 Python 机器学习模型/估计器的答案。我相信我可以通过运行RandomizedSearchCV
或GridSearchCV
使用 3 个不同的MLPClassifier
. 问题是,如果我想测试所有可用的激活函数和所有权重“求解器”以及其他参数(例如神经元和层数),该怎么办?有没有办法使用 Python 库来做到这一点?
解决方案
我只发布这个答案,因为问题下方的评论对我来说是最好的答案。
Desertnaut 于 2020 年 8 月 8 日发表的评论:
你不能; RandomizedSearchCV 绝对不提供这样的保证。如果您想确保测试某些组合,您应该恢复到 GridSearchCV。
目前最好的解决方案是结合使用RandomizedSearchCV
和GridSearchCV
。
推荐阅读
- typescript - 在 TypeScript 项目中包含 Vuetify 代码会打印很多错误
- google-cloud-platform - 为什么我的 Raspberry Pi 无法连接到 Google Cloud IoT?
- swift - swift 无法更新 FCM 令牌
- python - 如何通过python登录到shutterstock?
- flutter - 如何在颤动的phpmyadmin中插入复选框值?
- sql - 达到条件时如何跳过其他进一步的记录?
- ios - 导航栏 Swift 的自定义后退指示器图像
- python - /addtodo/ 处的 ValueError:无法在待办事项列表中添加新项目
- sql - BigQuery 的问题不尊重 WHEN 语句
- c - C:将类型定义的枚举值作为指针传递给函数