Optuna multi-objective 优化的最佳参数

Question

当使用 Optuna 执行单个 objective 优化时，研究的最佳参数可使用：

import optuna
def objective(trial):
    x = trial.suggest_uniform('x', -10, 10)
    return (x - 2) ** 2

study = optuna.create_study(direction='minimize')
study.optimize(objective, n_trials=100)

study.best_params  # E.g. {'x': 2.002108042}

如果我想执行多 objective 优化，这将变成例如：

import optuna
def multi_objective(trial):
    x = trial.suggest_uniform('x', -10, 10)
    f1 = (x - 2) ** 2
    f2 = -f1
    return f1, f2

study = optuna.create_study(directions=['minimize', 'maximize'])
study.optimize(multi_objective, n_trials=100)

这有效，但是命令 study.best_params 失败并显示 RuntimeError: The best trial of a 'study' is only supported for single-objective optimization.

如何获得多objective优化的最佳参数？

Answer 1

在多 objective 优化中，您通常会得到不止一个最佳试验，而是一组试验。这个集合通常被称为 Pareto 前沿。您可以通过 study.best_trials 获得帕累托前沿或试验列表，然后查看每个试验的参数，即 study.best_trials[some_index].params.

例如，给定最小化 f1 和最大化 f2 的方向，您最终可能会得到一个 f1 值较小（好）但在f2（坏）的同一时间值很小，而另一个试验可能对 f1（坏）和 f2（好）都有很大的值。这两个试验都可以从 study.best_trials.

返回

Optuna multi-objective 优化的最佳参数

Best parameters of an Optuna multi-objective optimization

python

optimization

optuna