Question

我尝试了 bayes_opt 来进行lightgbm和xgboost超参数优化，以进行贝叶斯优化方法。

现在，我正在尝试用于SARIMAX超参数优化的相同方法：（p，d，q）x（P，D，Q，12）。

对于lightgbm和xgboost，此过程太快了。但是，对于SARIMAX，它花费的时间太长。我已经等待了大约45分钟。我找不到任何东西。

这些是我的代码：

def sarimax_bayesian(p, d, q, P, D, Q):

    # params
    p = int(p)
    d = int(q)
    q = int(q)

    # seasonal params
    P = int(P)
    D = int(Q)
    Q = int(Q)

    # assert param types as integer
    assert type(p) == int
    assert type(d) == int
    assert type(q) == int
    assert type(P) == int
    assert type(D) == int
    assert type(Q) == int

    params = (p, d, q)
    seasonal_params = (P,D,Q,12)

    # model
    model = sm.tsa.statespace.SARIMAX(y, 
                                  order=params, 
                                  seasonal_order=seasonal_params, 
                                  enforce_stationarity=False,
                                  enforce_invertibility=False)

   # results
   results = model.fit()

   # get aic score
   aic = results.aic

   return np.negative(aic)

bounds_sarimax = {
'p': (0, 12),
'd': (0, 12),
'q': (0, 12),
'P': (0, 12),
'D': (0, 12),
'Q': (0, 12)}

sarimax_bo = BayesianOptimization(sarimax_bayesian, bounds_sarimax, random_state=42)

print(sarimax_bo.space.keys)
init_points = 0
n_iter = 1
print('-' * 130)

with warnings.catch_warnings():
    warnings.filterwarnings('ignore')
    sarimax_bo.maximize(init_points=init_points, n_iter=n_iter, acq='ucb', xi=0.0, alpha=1e-6)

如何解决此问题？我可以更改代码中的内容吗？

贝叶斯优化SARIMAX参数

0 个答案: