Pycaret - 调谐模型自定义网格的参数是什么
Pycaret - whats is the parameter for custom grid of tune model
我正在尝试为 tune_model 函数的 custom_grid
设置参数
tune_model(model, n_iter=50, custom_grid={'learning_rate':0.5})
它会给我这个错误
Parameter value is not iterable or distribution
我必须将一个列表传递给学习率，但我不知道为什么
tune_model(model, n_iter=50, custom_grid={'learning_rate':[0.5, 0.5]})
谁能给我解释一下？列表应该多长？
我应该列出清单吗
[0.5, 0.5, 0.5, 0.5]
如果我想保持 learning_rate = 0.5?
当您调整模型时，您的意图是尝试不同的超参数（超过 1 个）。因此，它们必须在列表中指定。在这种情况下，它将创建 2 个模型 - 一个 learning_rate = 0.5，第二个也具有学习率 = 0.5。最后，它将 return 这些模型中更好的一个。
tune_model(model, n_iter=50, custom_grid={'learning_rate':[0.5, 0.5]})
理想情况下，您想定义一个具有不同超参数的网格，例如
tune_model(model, n_iter=50, custom_grid={'learning_rate':[0.1, 0.2, 0.3, 0.4, 0.5]})
在这种情况下，将创建 5 个（不同的）模型，其中最好的一个将被 returned。
我正在尝试为 tune_model 函数的 custom_grid
设置参数tune_model(model, n_iter=50, custom_grid={'learning_rate':0.5})
它会给我这个错误
Parameter value is not iterable or distribution
我必须将一个列表传递给学习率，但我不知道为什么
tune_model(model, n_iter=50, custom_grid={'learning_rate':[0.5, 0.5]})
谁能给我解释一下？列表应该多长？ 我应该列出清单吗 [0.5, 0.5, 0.5, 0.5]
如果我想保持 learning_rate = 0.5?
当您调整模型时，您的意图是尝试不同的超参数（超过 1 个）。因此，它们必须在列表中指定。在这种情况下，它将创建 2 个模型 - 一个 learning_rate = 0.5，第二个也具有学习率 = 0.5。最后，它将 return 这些模型中更好的一个。
tune_model(model, n_iter=50, custom_grid={'learning_rate':[0.5, 0.5]})
理想情况下，您想定义一个具有不同超参数的网格，例如
tune_model(model, n_iter=50, custom_grid={'learning_rate':[0.1, 0.2, 0.3, 0.4, 0.5]})
在这种情况下，将创建 5 个（不同的）模型，其中最好的一个将被 returned。