如何从 hyperopt hp.choice 中提取选定的超参数？答案

【问题标题】：how to extract selected hyperparameter from hyperopt hp.choice?如何从 hyperopt hp.choice 中提取选定的超参数？
【发布时间】：2020-05-09 13:26:24
【问题描述】：

我正在使用hyperopt 来找到catboost 回归量的最佳超参数。我正在关注这个guide。相关部分是：


ctb_reg_params = {
    'learning_rate':     hp.choice('learning_rate',     np.arange(0.05, 0.31, 0.05)),
}
ctb_fit_params = {
    'verbose': False
}
ctb_para = dict()
ctb_para['reg_params'] = ctb_reg_params
ctb_para['fit_params'] = ctb_fit_params
ctb_para['loss_func' ] = lambda y, pred: np.sqrt(mean_squared_error(y, pred))

def ctb_reg(self, para):
    reg = ctb.CatBoostRegressor(**para['reg_params'])
    reg.fit(x_train, y_train, **para['fit_params'])
    pred = reg.predict(x_test)
    loss = para['loss_func'](y_test, pred)
    return {'loss': loss, 'status': STATUS_OK}

fmin(fn=ctb_reg, space=ctb_para, algo=tpe.suggest, max_evals=100, trials=Trials())

几分钟后我得到了这个：

{'learning_rate': 4}

如何提取最佳学习率？是np.arange(0.05, 0.31, 0.05)[4]吗？有没有更好的提取方法？

【问题讨论】：

您好，请问您在这里的“para”参数使用什么？我试图逐字使用您的代码，因为我无法访问 Medium 文章。谢谢！

标签： python hyperparameters catboost hyperopt

【解决方案1】：

from hyperopt import space_eval
print(space_eval(ctb_para, fmin_result))

【讨论】：

感谢您提供此代码 sn-p，它可能会提供一些有限的即时帮助。 proper explanation 将通过展示为什么这是解决问题的好方法，并使其对有其他类似问题的未来读者更有用，从而大大提高其长期价值。请edit您的回答添加一些解释，包括您所做的假设。