Python : Hypteropt - 函数输入

Question

我正在尝试实施多维超参数优化。我有一个函数有很多参数，但只有 4 个参数需要优化。

我想知道如何将它传递给 hypteropt。

我认为像这样的东西应该在测试函数中起作用：

from hyperopt import hp, fmin, tpe, Trials
def testFuntion(x,arg1='arg1',arg2='arg2',arg3='arg3'):
    print(arg1,arg2,arg3)
    #args1,arg2,arg3 = args
    return x[0]-x[1]-x[2]+x[3]

space = ((hp.uniform('a', 0.0, 1.0),hp.uniform('b', 0.0, 1.0),hp.uniform('c', 0.0, 1.0)),hp.uniform('d', 0.0, 1.0),'blub1','blub2','blub3')
trials = Trials()
best = fmin(testFuntion, space, algo=tpe.suggest, max_evals=100)

但是该函数试图以某种方式比较我的字符串并引发错误：TypeError：不支持的操作数类型 -：'tuple' 和 'float'

我做错了什么？

Answer 1

好的，你应该注意这里的一些事情。最基本的是，如果仔细查看 space 的定义，前三个值（a、b 和 c）实际上包含在一个 3 -元组。这就是导致错误的原因，x[0] 是那个元组，您不能在这里以任何明智的方式减去浮点数 x[1]。

为避免此类问题，我建议您在为函数参数映射 space 时使用更好的命名约定。另外，根据我对您的设置的理解，我认为您应该从函数签名中删除常量，因为这有点令人困惑并且不必要地使您的搜索膨胀 space。这是您想要的完整示例：

from hyperopt import hp, fmin, tpe, Trials

def test_function(x):
    arg1='arg1'
    arg2='arg2'
    arg3='arg3'
    return x[0]-x[1]-x[2]+x[3]

space = [
    hp.uniform('x0', 0.0, 1.0),
    hp.uniform('x1', 0.0, 1.0),
    hp.uniform('x2', 0.0, 1.0),
    hp.uniform('x3', 0.0, 1.0)
    ]
trials = Trials()
best = fmin(test_function, space, algo=tpe.suggest, max_evals=100, trials=tials)

P.s.: 使用你在fmin中定义的trials。

编辑：虽然我不太明白这一点，但由于您没有直接调用优化函数，因此您可以通过以下方式传入更多未优化的参数：

from hyperopt import hp, fmin, tpe, Trials

def test_function(x):
    # x[4] is 'foo'
    return x[0]-x[1]-x[2]+x[3]

space = [
    hp.uniform('x0', 0.0, 1.0),
    hp.uniform('x1', 0.0, 1.0),
    hp.uniform('x2', 0.0, 1.0),
    hp.uniform('x3', 0.0, 1.0),
    'foo'
    ]
trials = Trials()
best = fmin(test_function, space, algo=tpe.suggest, max_evals=100, trials=trials)

Python : Hypteropt - 函数输入

Python : Hypteropt - Function input

python

hyperparameters

hyperopt