Hyperopt提供什么样的设置来调整探索与利用之间的平衡？有像＆＃34;强盗＆＃34;和＃34; bandit_algo＆＃34;在代码中但没有解释。
有人可以提供任何代码示例。
非常感谢您的帮助！
答案 0 :(得分：2)
最好的选择是阅读Bergstra等人的论文。人。 1 2和3。我不是100％清楚bandit_algo是什么，除了其中一篇论文提到它是高斯过程和Parzen Estimators树的另一种方法 - 也许你可以用这两种方式使用它？
我的猜测是，如果没有记录，可能还没有完成。你可以尝试在Github上提出一个问题 - 开发人员对我所看到的情况反应很敏感。
编辑：看this paper，这些强盗算法可能是其他人继承的基类。
答案 1 :(得分：2)
我刚发现hyperopt partial（）是优化算法的神奇包装函数。它允许在不同的策略和E / E之间取得平衡：
部分返回随机选择的建议函数的结果。例如，有时使用随机搜索搜索，有时退火，有时候输入tpe，输入：
fmin(...,
algo=partial(mix.suggest,
p_suggest=[
(.1, rand.suggest),
(.2, anneal.suggest),
(.7, tpe.suggest),]),
)
参数＆＃34; p_suggest＆＃34;：（概率，建议）对的列表。从其中一个建议函数中提出建议，与其相应的概率成比例。 sum（概率）必须[接近] 1.0。
如果你想更加清晰地控制算法进展：你可以使用hyperopt optimizer algos是无状态的这一事实并返回试验对象，该对象可以作为新fmin的输入提供以继续进程。然后你可以调用fmin，其中max_evals为1，并在循环中处理该过程，因此你可以修改＆＃34; trial＆＃34;和＃34;建议algo＆＃34;每次迭代之间。