简单三步实现Python脚本超参数调优，构建最优机器学习模型！

大数据文摘授权转载自数据派THU

作者：Jakub Czakon, Neptune.ai

翻译：陈之炎

在编写完成一个Python脚本之后，便可以用它训练和评估机器学习模型了，现在，问题来了，是否能对它自动调整超参数以提高其性能呢？

自有办法！

在本文中，将展示如何将脚本转换为可以用任何超参数优化库优化的目标函数。

只需要三个步骤，便可实现模型的参数调整。

准备好了？

那就开始吧！

假设main.py 脚本如下所示：

提取想要调整的参数，将它们放在脚本顶部的字典中，这样做之后，便可以有效地将搜索参数与代码的其余部分解耦。

现在，可以将整个训练和评估逻辑放在 train_evaluate函数的内部。此函数以参数为输入，输出验证分数。

快要实现了。

现在，利用train_evaluate函数作为选定的黑盒优化库的目标。

本例采用Scikit Optimize实现优化，我在另一篇文章中，对此作了详细描述，同时，你也可以使用其它超参数优化库。

Scikit Optimize

总之：

实习/全职编辑记者招聘ing

加入我们，亲身体验一家专业科技媒体采写的每个细节，在最有前景的行业，和一群遍布全球最优秀的人一起成长。坐标北京·清华东门，在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn

点「在看」的人都变好看了哦！

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/