文件名称：tune-sklearn：Scikit-Learn的GridSearchCV RandomizedSearchCV的直接替代品-但具有最先进的超参数调整技术
文件大小：72KB
文件格式：ZIP
更新时间：2024-02-23 21:54:32
scikit-learn bayesian-optimization hyperparameter-tuning automl gridsearchcv
调谐斯克莱恩 Tune-sklearn是Scikit-Learn的模型选择模块（GridSearchCV，RandomizedSearchCV）的替代品，它具有尖端的超参数调整技术。 产品特点 以下是tune-sklearn提供的功能： 与Scikit-Learn API的一致性：在标准Scikit-Learn脚本中更改少于5行即可使用API []。 现代调整技术：tune-sklearn使您可以通过简单地切换几个参数来轻松利用贝叶斯优化，HyperBand，BOHB和其他优化技术。 框架支持：tune-sklearn主要用于调整Scikit-Learn模型，但它也支持并提供了许多其他带有Scikit-Learn包装器的框架的示例，例如Skorch（Pytorch）[ ]，KerasClassifier（Keras）[ ]，和XGBoostClassifier（XGBoost）[]。 向上扩展：Tune-sklearn利用 （一个用于分布式超参数调整的库）在不更改代码的情况下并行化多个核甚至多个机器上的交叉验证。 查看我们的和（针对master分支）。 安装 依存关
【文件预览】：
tune-sklearn-master
----setup.py(1KB)
----.gitignore(64B)
----tune_sklearn()
--------__init__.py(217B)
--------tune_basesearch.py(35KB)
--------list_searcher.py(2KB)
--------utils.py(11KB)
--------tune_gridsearch.py(13KB)
--------_trainable.py(18KB)
--------tune_search.py(32KB)
--------_version.py(23B)
--------_detect_booster.py(1KB)
----.travis.yml(3KB)
----LICENSE(13KB)
----setup.cfg(40B)
----requirements-test.txt(183B)
----.github()
--------workflows()
----examples()
--------keras_example.py(2KB)
--------sklearn_pipeline.py(1KB)
--------torch_nn.py(1KB)
--------discrete_hyperopt.py(739B)
--------bayesian_sgd.py(832B)
--------catboostclassifier.py(879B)
--------warm_start.py(1KB)
--------lgbm.py(1KB)
--------discrete_bayesian.py(627B)
--------hpbandster_sgd.py(680B)
--------warm_start_ensemble.py(1KB)
--------multimetric.py(1003B)
--------bohb_example.py(895B)
--------xgbclassifier.py(1KB)
--------sgd.py(1KB)
--------lgbmclassifier.py(967B)
--------random_forest.py(822B)
--------sklearn_pipeline_early_stopping.py(2KB)
--------hyperopt_sgd.py(832B)
----README.md(10KB)
----tests()
--------test_trainable.py(7KB)
--------format.sh(4KB)
--------test_randomizedsearch.py(27KB)
--------test_utils.py(5KB)
--------test_gridsearch.py(28KB)
--------schedulers.py(1KB)
----.style.yapf(90B)