Question

我正在尝试使用Scikit-Optimize包在LSTM（纯Tensorflow）上执行超参数优化任务。我对贝叶斯优化或贝叶斯函数不熟悉。该软件包使用高斯过程（gp_minimize）提供了贝叶斯优化。在它的参数中，我们要求提供一个采集函数（acq_func）。

kw_list

documentation列出了几种采集功能，我们可以从中选择。下面列出了这些选项：

“ LCB”表示较低的置信度。
否定为“ EI”   预期的改善。
“ PI”代表负概率   改善。
“ gp_hedge”可能选择上述之一   每次迭代都有三个采集功能。给予的权重   这些收益可由\ eta通过acq_func_kwargs设置。

我的任务是销售预测任务，我试图将其RMSE值最小化。他们给出了example分类任务的代码。但是我从中无法获得很多见识

问题：我想知道是否有一种方法可以确定哪种采集功能更适合哪种情况以及在我的方案中应该使用哪种采集功能。