scikit-learn的参数优化工具Hyperopt-sklearn.zip
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。
标签：Hyperopt
标签：Hyperopt
文件下载
资源详情
[{"title":"（ 20 个子文件 57KB ） scikit-learn的参数优化工具Hyperopt-sklearn.zip","children":[{"title":"hyperopt-sklearn-master","children":[{"title":".gitignore <span style='color:#111;'> 303B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 7.09KB </span>","children":null,"spread":false},{"title":"hpsklearn","children":[{"title":"components.py <span style='color:#111;'> 60.11KB </span>","children":null,"spread":false},{"title":"tests","children":[{"title":"test_classification.py <span style='color:#111;'> 3.45KB </span>","children":null,"spread":false},{"title":"test_regression.py <span style='color:#111;'> 1.90KB </span>","children":null,"spread":false},{"title":"test_ts.py <span style='color:#111;'> 6.88KB </span>","children":null,"spread":false},{"title":"test_demo.py <span style='color:#111;'> 2.77KB </span>","children":null,"spread":false},{"title":"test_preprocessing.py <span style='color:#111;'> 4.87KB </span>","children":null,"spread":false},{"title":"test_estimator.py <span style='color:#111;'> 4.67KB </span>","children":null,"spread":false},{"title":"test_stories.py <span style='color:#111;'> 5.71KB </span>","children":null,"spread":false}],"spread":true},{"title":"vkmeans.py <span style='color:#111;'> 2.08KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 420B </span>","children":null,"spread":false},{"title":"estimator.py <span style='color:#111;'> 34.37KB </span>","children":null,"spread":false},{"title":"demo_support.py <span style='color:#111;'> 1.25KB </span>","children":null,"spread":false},{"title":"lagselectors.py <span style='color:#111;'> 2.35KB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE.txt <span style='color:#111;'> 1.47KB </span>","children":null,"spread":false},{"title":"notebooks","children":[{"title":"skdata_quick_intro.ipynb <span style='color:#111;'> 3.38KB </span>","children":null,"spread":false},{"title":"Demo-Iris.ipynb <span style='color:#111;'> 27.53KB </span>","children":null,"spread":false},{"title":"start_ipython.sh <span style='color:#111;'> 62B </span>","children":null,"spread":false}],"spread":true},{"title":"setup.py <span style='color:#111;'> 1.63KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- QT+OpenGL读obj模型
- 用C语言实现面向对象编程
- 3个论文降重软件，涵盖英汉，免费破解版
- Python测试驱动开发：使用Django、Selenium和JavaScript进行Web编程.pdf
- 网络扫描技术揭秘 原理、实践与扫描器的实现（书+光盘）
- Web.asp 程序设计课后习题答案(沈士根版) pdf
- 微机原理与接口技术（第四版）
- 水果蔬菜电子商务Bootstrap商城模板.rar
- MATLAB语言及其应用
- Zabbix_Monitor_Mysql_Multiport-模本及脚本
- 基于相关主元和微分几何特征抽取的多模态过程监测
- 克尔介质中光波的自衍射效率的理论计算
- Swift - 进度条工具
- 世界城市三级级联数据，mysql
- Instant Web Scraping with Java 无水印原版pdf
- 网络安全等级保护测评高风险判定指引（等保2.0）.doc
- 野火 K60 开发板 原理图
- Visual & Installer 1.0.3.12 破解
- 传智播客 最新版淘淘商城视频教程及源码+Springmvc视频+Spring mvc项目Mybatis SSM分布式电商
- QT4.5官方_帮助文档_使用手册_英文版
- Tcl脚本手册.pdf
- 北邮算法课贪心算法作业代码
- 2018-2019java面试宝典最新版(内附赠旧版)
- Java 7并发编程实战手册 pdf全本
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明