文件名称：EDAspy:估计分发算法的Python包
文件大小：452KB
文件格式：ZIP
更新时间：2024-06-12 13:21:42
time-series optimization feature-selection bayesian-network feature-engineering
EDA间谍 描述 在该程序包中，实现了一些分配算法（EDA）的估计。 EDA是一种进化算法。 根据EDA的类型，可以考虑变量之间的不同依存关系。 已实施了三个EDA： 二进制单变量EDA。 它可以用作EDA的简单示例，也可以用于特征选择。 连续单变量EDA。 它可以用于超参数优化。 连续多元EDA。 使用高斯贝叶斯网络对搜索空间的抽象表示进行建模。 连续多元EDA。 不使用GBN的另一种方法可用于超参数优化或其他问题。 二进制多元EDA。 此方法选择最佳时间序列转换以提高模型预测性能。 以下代码是应如何使用功能的一些简单示例。 为了看一些真实的例子，我建议看一些笔记本电脑的例子，其中展示了一些Jupyter笔记本电脑。 例子 二元单变量EDA 它可以用作EDA的简单示例，也可以用于特征选择。 要优化的成本函数是模型的度量。 显示了一个示例。 在Notebooks目录中有一