fonttian / hyperopt-doc-zh

Github开源项目hyperopt系列的中文文档,以及学习教程等

简介

Github开源项目hyperopt系列的中文文档,以及学习教程等

目录结构如下:

• master
  • hyperopt文档
    • doc/en 英文版文档
    • doc/cn 中文版文档
  • tutorials 教程目录
    • data 教程需要的数据
    • zh 中文教程
    • en 英文教程

你也可以在本人的CSDN博客——Hyperopt中文文档导读查看相应文档与其他内容

更新日志

---

12/19/2018 添加了Hyperopt入门指南

---

12/18/2018 更新了Hyperopt在Lightgbm上的使用，并添加了xgboost与lightgbm快速上手教程

---

12/15/2018 更新教程两章-Hyperopt在Xgboost上的使用，添加数据文件，修改目录结构

---

在2017年的圣诞节前，我翻译了有关HyperOpt的中文文档，这也算是填补了一个空白，以此作为献给所有**程序员，以及所有其他机器学习相关行业人员的圣诞礼物。圣诞快乐，各位。

本项目内容包括hyperopt系列开源项目的学习教程,代码的中文注释,wiki中文文档等内容. 2017年17月27日更新,相较于原hyperopt新增目录如下

• 目录
  • hyperopt文档
    • doc_en 英文版文档
    • doc_cn 中文版文档
    • examples 例子

(下面是原Hyperopt的原文)

hyperopt: Distributed Asynchronous Hyper-parameter Optimization

Hyperopt is a Python library for serial and parallel optimization over awkward search spaces, which may include real-valued, discrete, and conditional dimensions.

Official project git repository: http://github.com/hyperopt/hyperopt

Documentation: http://hyperopt.github.io/hyperopt

Announcements mailing list: https://groups.google.com/forum/#!forum/hyperopt-announce

Discussion mailing list: https://groups.google.com/forum/#!forum/hyperopt-discuss

Thanks

This project has received support from

• National Science Foundation (IIS-0963668),
• Banting Postdoctoral Fellowship program,
• National Science and Engineering Research Council of Canada (NSERC),
• D-Wave Systems, Inc.

hyperopt-doc-zh's Issues

遇到问题，希望能得到您的帮助

我使用hyperopt中的fmin进行随机森林超参数选择，在选择过程中我输出了产生最优解的max_depth和n_estimators，但我输出的值均比使用fmin返回的值大1

这是我关于hyperopt

from functools import partial


def hyperopt_clt(params, data_x, data_y):
    global best
    model_clt = RandomForestClassifier(**params)
    acc = cross_val_score(model_clt, data_x, data_y).mean()
    if acc > best:
        best = acc
        print('new best:', best, params)
    return {'loss': 1 - acc, 'status': STATUS_OK}


space_clf = {
    'max_depth': hp.choice('max_depth', range(1, 51)),
    'n_estimators': hp.choice('n_estimators', range(1, 21))
}

best = 0
trials_clt = Trials()
hyperopt_clt_partial = partial(hyperopt_clt, data_x = data_x, data_y = data_y)
best_clt = fmin(hyperopt_clt_partial, space = space_clf, algo = tpe.suggest, max_evals = 100, trials = trials_clt)
print(best, '----------------')
print(best_clt, '------------')`

这是我得到的结果

new best:
0.7955077744291005
{'max_depth': 47, 'n_estimators': 12}
new best:
0.8071266849594411
{'max_depth': 5, 'n_estimators': 20}
100%|██████████| 100/100 [00:30<00:00,  3.29trial/s, best loss: 0.19287331504055893]
0.8071266849594411 ----------------
{'max_depth': 4, 'n_estimators': 19} ------------

关于hyperopt中fmin的一个错误问题

您好，首先感谢您翻译hyperopt的工作，这对于国内的用户是一个十分有帮助的工作，可是在我使用hyperopt的过程中遇到一个问题，搜索了很多资料人就无法解决，希望作者可以给与帮助，谢谢，问题如下：
我按照fmin文档的代码在我的python环境中执行了以后，出现了一个错误提示，代码和错误如下
`from hyperopt import fmin, tpe, hp

space = hp.uniform('x', -10, 10)
best = fmin(fn=lambda x : x**2,
space=space,
algo=tpe.suggest,
max_evals=100)

print(dir(best))`

File "D:\Anaconda3\lib\site-packages\hyperopt\fmin.py", line 314, in fmin
pass_expr_memo_ctrl=pass_expr_memo_ctrl)
File "D:\Anaconda3\lib\site-packages\hyperopt\base.py", line 786, in init
pyll.toposort(self.expr)
File "D:\Anaconda3\lib\site-packages\hyperopt\pyll\base.py", line 715, in toposort
assert order[-1] == expr
TypeError: 'generator' object is not subscriptable