{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,5,17]]，“日期时间”：“2024-05-17T07:06:48Z”，“时间戳”：1715929608580}，“出版商位置”：“查姆”，“参考计数”：37，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783031147135”，“类型”：”打印“}，{“值”：“9783031147142”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}4T00:00:00Z“，”时间戳“：1660435200000}，”内容-版本“：“vor”，“delay-in-days”：225，“URL”：“https://creativecommons.org\/licenses\/by-/4.0”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-ddays”：0，“URL“https:\\/creativecommons.org\/licences\/by-/4.00”}：{“日期-部分”：[[2022,8,14]]，“日期-时间”：“2022-08-14T00:00:00Z”，“timestamp”：1660435200000}，“content-version”：“vor”，“delay-in-days”：225，“URL”：“https:\\/creativecommons.org\\licenses//by\/4.0”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022]}”，“abstract”：“”摘要<\/jats:title>超参数优化（HPO）是实现峰值预测性能的机器学习模型的关键组件。尽管在过去几年中提出了许多用于HPO的方法和算法，但在阐明和检查这些黑盒优化问题的实际结构方面进展甚微。探索性景观分析（ELA）包含一组技术，可用于获取有关未知优化问题属性的知识。在本文中，我们评估了五种不同的黑盒优化器在30个HPO问题上的性能，这些问题由10个不同数据集上训练的XGBoost学习者的二维、三维和五维连续搜索空间组成。这与黑盒优化基准（BBOB）在360个问题实例上评估的相同优化器的性能形成了对比。然后，我们计算HPO和BBOB问题的ELA特征，并检查相似性和差异性。通过对ELA特征空间中HPO和BBOB问题的聚类分析，我们可以确定HPO问题与BBOB在结构元层次上的比较。我们确定了与ELA特征空间中的HPO问题相近的BBOB问题子集，并表明优化器在这两组基准问题上的性能相似。我们强调ELA对HPO的开放挑战，并讨论未来研究和应用的潜在方向<\/jats:p>“，”DOI“：”10.1007\/978-3-031-14714-2_40“，”type“：”book-chapter“，”created“：{”date-parts“：[2022,8,13]]，”date-time“：”2022-08-13T21:03:13Z“，”timestamp“：1660424593000}，”page“：“575-589”，”update-policy“：referenced-by-count“：2，”title“：[”HPO$$\\times$$ELA:通过\u00a0Exploratory Landscape Analysis的\u00a含义调查超参数优化景观“]，“前缀”：“10.1007”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0003-4152-5308”，“authenticated-ORCID”：false，“given”：”Lennart“，”family“：”Schneider“，”sequence“：”first“，”affiliation“：[]}，{”ORCID“：”http://\/orcid.org\/00000-0003-3929-7465“，”authenticated-orcid“：false，”given“：”Lennart“，”family“：”Sch\u00e4permeier“，”sequence“：”additional“，”affiliation“：[]}，{”orcid“：{“orcid”：“http:\/\/orcid.org\/0000-0001-6002-6980“，”authenticated-orcid“：false，”given“：”Bernd“，”family“：”Bischl“，”sequence“：”additional“，”affiliation“：[]}，{”orcid“：“http://\/orcid=org\/00000-0002-9788-8282”，“authenticationed-orcid”：false“，”giving“：”Heike“，”“family”：“Trautmann”，“sequence”：“additional”，“affiliance”：[]{“orcid”：“”http:\/\/orcid.org\/00000-0003-2862-1418“，”authenticated-orcid“：false，”given“：”Pascal“，”family“：”Kerschke“，”sequence“：”additional“，”affiliation“：[]}]，”member“：”297“，”published-online“：{”date-parts“：[2022,8,14]]}，”reference“：[{”key“：“40_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：”Belkhir，N.，Dr\u00e9o，J.，Sav\u00e 9ant，P.，Schoenauer，M.：预算有限的CMA-ES的逐实例算法配置。摘自：《遗传与进化计算会议论文集》，第681\u2013688页（2017）“，“DOI”：“10.1145”，{“key”：“40_CR2”，“unstructured”：“Bergstra，J.，Bardenet，R.，Bengio，Y.，K\u00e9gl，B.：超参数优化算法。摘自：《第24届神经信息处理系统国际会议论文集》，pp.2546\u20132554（2011）“}，{“key”：“40_CR3”，“unstructured”：“Bischl，B.等人：超参数优化：基础、算法、最佳实践和开放挑战。arXiv:2107.05847[cs，stat]（2021）”}，}，“key“：”40_CR4“，“unstratezed”：”Bischl，B.等人：OpenML基准测试套件。In：Vanschoren，J.，Yeung，S.（eds.）《神经信息处理系统数据集和基准跟踪会议录》，第1卷（2021）“}，{“key”：“40_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Bischl，B.，Mersmann，O.，Trautmann，H.，Preu\u00df，M.：基于探索性景观分析和成本敏感学习的算法选择。摘自：《第十四届遗传与进化计算年会论文集》，第313\u2013320页（2012）“，“DOI”：“10.1145\/23301633209”}，{“key”：“40_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Bosman，A.S.、Engelbrecht，A.P.、Helbig，M.：神经网络适应度景观分析的渐进梯度行走。摘自：《遗传与进化计算会议论文集》，第1473\u20131480（2018）页，“DOI”：“10.1145\/3205651.3208247”}，{“key”：“40_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Bossek，J.：smoof：单目标优化测试函数。R J.9（1），103\u2013113（2017）.https:\/\/journal.r-project.org\/archive\/2017\/RJ-2017-004\/index.html“，”DOI“：”10.32614\/RJ-2017“}，{“key”：“40_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，T.，Guestrin，C.：XGBoost：一个可扩展的树木提升系统。摘自：第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集，第785\u2013794页（2016）“，“DOI”：“10.1145\/2939672.2939785”}，{“key”：“40_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Doerr，C.，Dreo，J.，Kerschke，P.：为（hyper-）参数调整作为基准问题。摘自：《遗传与进化计算会议论文集》，第1755\u20131764（2019）页，“DOI”：“10.1145\/3319619.3326857”}，{“issue”：“2”，“key”：“40_CR10”，“DOI-asserted-by”：“publisher”，“first page”：Hains，D.R.，Whitley，L.D.，Howe，A.E.：重温TSP中的大山谷搜索空间结构。《运营杂志》。Res.Soc.62（2），305\u2013312（2011）。https:\/\/doi.org\/10.1057\/jors.2010.116“，”journal-title“：”J.Oper。Res.Soc.“}，{”key“：”40_CR11“，”unstructured“：”Hansen，N.，Auger，A.，Finck，S.，Ros，R.：实参数黑盒优化基准测试2010:实验设置。研究报告RR-7215，Inria（2010）。https:\/\/hal.Inria.fr\/Inria-00462481“}”{“key”：“40_CR12”，“unstructure”：“”Hansen，N.，Finck，S.，Ros，R.，Auger，A.：2009年实时参数黑盒优化基准测试：无噪声函数定义。技术报告RR-6829，Inria（2009）。https:\/\/hal.inria.fr\/inria-00362633\/document“}，{“问题”：“4”，“密钥”：“40_CR13”，“doi-asserted-by”：“出版商”，“首页”：“625”，“doi”：“10.1162\/EVCO__00100”，“卷”：“21”，“作者”：“L Hernando”，“年份”：“2013”，“非结构化”：“Hernando，L.，Mendiburu，A.，Lozano，J.A.：组合优化问题中估计局部最优数方法的评估。进化。计算。21（4），625\u2013658（2013）“，“新闻标题”：“演变。计算。“}，{”key“：”40_CR14“，”series-title“：”Springer series on Challenges in Machine Learning“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/978-3-030-05318-5“，”volume-title“：“自动机器学习”，“年份”：“2019”，“非结构化”：“Hutter，F.，Kotthoff，L.，Vanschoren，J.（eds.）：自动机器学习。TSSCML，Springer，Cham（2019）.https:\/\/doi.org\/10.1007\/978-3-030-05318-5“}，{”issue“：”4“，”key“：”40_CR15“，”doi-asserted-by“：”publisher“，”first page“：“455”，”doi“：”10.1023\/A:1008306431147“，“volume”：“13”，“author”：“DR Jones”，“year”：“1998”，“unstructured”：“Jones，D.R.，Schonlau，M.，Welch，W.J.：昂贵黑盒函数的高效全局优化。J。全球最佳方案。13（4），455\u2013492（1998）。https:\/\/doi.org/10.1023\/A:1008306431147”，“期刊标题”：“J.Global Optim。“｝，｛”key“：”40_CR16“，”doi asserted by“：”crossref“，”nonstructured“：”Kerschke，P.，Preuss，M.，Wessing，S.，Trautmann，H.：通过探索性景观分析检测漏斗结构。In：Proceedings of the 2015 Annual Conference on Genetic and Evolution Computation，pp.265\u2013272（2015）“，”doi“：”10.1145\/2739480.2754642“｝，｛”issue“：”1“，”key“：”40_CR17“，”doi-asserted-by“：”publisher“，”first-pages“：”99“，”doi“：”10.1162\/evco_a_00236“，”volume“：“27”，”author“：”P Kerschke“，”year“：”2019“，”unstructured“：”Kerschke，P.，Trautmann，H.：结合探索性景观分析和机器学习对连续黑盒问题进行自动算法选择。进化。计算。27（1），99\u2013127（2019）“，“新闻标题”：“演变。计算。“}，{”key“：”40_CR18“，”series-title“：”分类、数据分析和知识组织研究“，”doi-asserted-by“：”publisher“，”first page“：“93”，”doi“：”10.1007\/978-3-030-25147-5_7“，”volume-title“：“统计计算应用”，”author“：”P Kerschke“，”year“：”2019“，”unstructured“：”Kerschke，P.，Trautmann，H.：使用R包Flacco对连续和约束优化问题进行基于特征的综合景观分析。收录：Bauer，N.、Ickstadt，K.、L\u00fcbke，K.，Szepannek，G.、Trautmann，H.、Vichi，M.（编辑）《统计计算应用》。SCDAKO，第93页\u2013123。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-25147-5_7“}，{“问题”：“44”，“密钥”：“40_CR19”，“doi-serted-by”：“出版商”，“首页”：“1903”，“doi”：“10.21105”，“卷”：“4”，“作者”：“M Lang”，“年份”：“2019”，”非结构化“Lang，M.等人：mlr3:R.J.开源软件4（第44页），1903（2019）“，”journal-title“：”J.开源软件。“}，{”issue“：”5“，”key“：”40_CR20“，”doi-asserted-by“：”publisher“，”first-page“：”3063“，”doi“：”10.1007\/s00158-021-02977-1“，”volume“：“64”，“author”：“R Le Riche”，“year”：“2021”，“unstructured”：“Le Richer，R.，Picheny，V.：根据COCO基准重新审视贝叶斯优化。Struct.Multidiscip.Optim.64（5），3063\u20133087（2021年）https:\/\/doi.org\/10.1007\/s00158-021-02977-1“，”journal-title“：”结构。多学科。最佳方案。“}，{”issue“：”1“，”key“：”40_CR21“，”first-page“：”6765“，”volume“：“18”，”author“：”L Li“，”year“：”2017“，”unstructured“：”Li，L.，Jamieson，K.，DeSalvo，G.，Rostamizadeh，A.，Talwalkar，A.：超带：一种基于强盗的新型超参数优化方法。J.Mach.Learn.Res.18（1），6765\u20136816（2017）“，”journal title“：”J.Macn.Learn.Res.“”}，{“key“：”40_CR22“，”doi-asserted-by“：”crossref“，”unstructured“：”Lunacek，M.，Whitley，D.：分散度量和CMA进化策略。摘自：《第八届遗传与进化计算年会论文集》，第477\u2013484（2006）页，“DOI”：“10.1145\/1143997.114085”}，{“key”：“40_CR23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mersmann，O.，Bischl，B.，Trautmann，H.，Preuss，M.，Weihs，C.，Rudolph，G.：探索性景观分析。摘自：《第十三届遗传与进化计算年会论文集》，第829\u2013836（2011）页，“DOI”：“10.1145\/2001576.2001690”}，{“issue”：“1”，“key”：“40_CR24”，“DOI-asserted-by”：“publisher”，“first page”：Mersmann，O.，Preuss，M.，Trautmann，H.，Bischl，B.，Weihs，C.：通过基准概念分析BBOB结果。进化。计算。23（1），161\u2013185（2015）“，“新闻标题”：“演变。计算。“}，{”issue“：”1“，”key“：”40_CR25“，”doi-asserted-by“：”publisher“，”first-page“：”74“，”doi“：”10.1109\/TEVC.2014.2302006“，“volume”：“19”，“author”：“MA Mu\u00f1oz”，“year”：“2014”，“unstructured”：“”Mu\u00f1oz，M.A.，Kirley，M.，Halgamuge，S.K.：使用信息内容对连续空间优化问题进行探索性景观分析。IEEE传输。进化。计算。19（1），74\u201387（2014）“，“期刊标题”：“IEEE Trans。进化。计算。“}，{”key“：”40_CR26“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“114”，“doi”：“10.1007\/978-3-030-43680-3_8”，“volume-title”：“组合优化中的进化计算”，“author”：“CG-Pimenta”，“year”：“2020”，“unstructured”：“Pimenta，C.G.，de S\u00e1，A.G.C.，Ochoa，G.，Pappa，G.L.：自动机器学习搜索空间的适应性景观分析。摘自：Paquete，L.，Zarges，C.（编辑）EvoCOP 2020。LNCS，第12102卷，第114\u2013130页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-43680-3_8“}，{“key”：“40_CR27”，“unstructured”：“Prager，R.P.：pflacco:R包Flacco的Python接口，2022年4月。https:\/\/github.com/Reiyan\/pflacco“}，{“key”：“40_CR28”，“doi-asserted-by”：“crossref”，“unstructured”：“Prager，R.P.、Trautmann，H.、Wang，H.，B\u00e4ck、T.H.W.、Kerschke，P.：通过分类器链和探索性景观分析实现模块化CMA-ES的持久配置。收录于：2020年IEEE计算智能研讨会系列（SSCI），第996\u20131003页。IEEE（2020）”，“DOI”：“10.1109\\SSCI47803.2020.9308510”}，｛“issue”：“53”，“key”：“40_CR29”，“首页”：“1”，“volume”：“20”，“author”：“P Probst”，“year”：“2019”，“nonstructured”：“Probst，P.，Boulesteix，A.L.，Bischl，B.：可调性：机器学习算法超参数的重要性。J.Mach.Learn.Res.20（53），1\u201332（2019）”，“期刊标题”：“J。机器。学习。Res.“}，{”key“：”40_CR30“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“271”，”doi“：”10.1007\/978-3-319-99259-4_22“，”volume-title“：“Parallel Problem Solving from Nature \u2013 PPSN XV”，“author”：“Y Pushak”，“year”：“2018”，“unstructured”：“Pushak，Y.，Hoos，H.：算法配置景观：In:Auger，A.，Fonseca，C.M.，Louren\u00e7o，N.，Machado，P.，Paquete，L.，Whitley，D.（编辑）PPSN 2018，第二部分。LNCS，第11102卷，第271\u2013283页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-319-99259-4_22“}，{“key”：“40_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Pushak，Y.，Hoos，H.H.：黄金参数搜索：利用结构快速并行配置参数。in:《2020年遗传与进化计算会议论文集》，第245\u2013253（2020）页”，“doi”：“10.1145\/3377930.339211“}，{“key”：“40_CR32”，“doi-asserted-by”：“crossref”，“unstructured”：“Pushak，Y.，Hoos，H.H.：AutoML landscapes.ACM Trans.Evol.Learn.Optim.（TELO）（2022年出版）.https:\/\/www.cs.ubc.ca\/labs\/algorithmards\/Projects\/ACLandscapes\/PusHoo22a.pdf”，“doi”：“10.1145\/3558774”}，}，“key“：”40_CR3 3“，“非结构化”：”R核心团队：R：统计计算语言和环境。R统计计算基金会，奥地利维也纳（2021）。https:\/\/www.R-project.org/“｝，｛”key“：”40_CR34“，”doi asserted by“：”crossref“，”unstructured“：”Thornton，C.，Hutter，F.，Hoos，H.H.，Leyton-Brown，K.：Auto-WEKA：分类算法的组合选择和超参数优化。摘自：第19届ACM SIGKDD知识发现和数据挖掘国际会议论文集，第847\u2013855页（2013）“，“DOI”：“10.1145\/24875.2487629”}，{“key”：“40_CR35”，“unstructured”：“Traor\u00e9，K.R.，Camero，A.，Zhu，X.X.：健身景观足迹：比较神经架构搜索问题的框架。arXiv:2111.01584[cs]（2021）“}，{”issue“：”2“，”key“：”40_CR36“，”doi-asserted-by“：”publisher“，”first page“：“49”，”doi“：”10.1145\/264119.264118“，“volume”：“15”，“author”：“J Vanschoren”，“year”：“2013”，“unstructured”：“Vanschoron，J.，van Rijn，J.N.，Bischl，B.，Torgo，L.：OpenML：机器学习中的网络科学。SIGKDD Explor.15（2），49\u201360（2013）“，“新闻标题”：”SIGKDD探索。“}，{”issue“：“1”，”key“：“40_CR37”，”doi-asserted-by“：”publisher“，”first page“：”13“，”doi“：”10.32614\/RJ-2013-002“，”volume“：‘5’，”author“：”Y Xiang“，”year“：”2013“，”unstructured“：”Xiang，Y.，Gubian，S.，Suomela，B.，Hoeng，J.：用于全局优化的广义模拟退火：GenSA包。R J.5（1），13\u201328（2013）“，”journal-title“：”罗杰“}]，“container-title”：[“计算机科学课堂讲稿”，“自然并行问题解决\u2013 PPSN XVII”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-14714-2_40”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期-部件”用法：[2024,3,12]]，“日期时间”：“2024-03-12T16:47:01Z”，“时间戳”：1710262021000}，“分数”：1，“资源”：{“主要”：{“URL”：“https:\\/link.springer.com\/10.1007\/978-3-031-14714-2_40”}}，《副标题》：[]，“短标题”：[]142“]，”references-count“：37，”URL“：“http://\/dx.doi.org \/10.1007\/978-3-031-14714-2_40”，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“值”：“0302-7743”、“类型”：“打印”}，{“数值”：“1611-33049”，“类型”:“电子”}]，“主题”：[]，“发布”：{“日期段”：[2022]}，“2022年8月14日”，“订单”：1，“名称”：“first_online”，“标签”：“第一在线”，“群组”：{“name”：“ChapterHistory”，“label”：“ChapterHistory”}}，{“value”：“PPSN”，“order”：1，“name”:“conference_acrombit”，“标签”：“会议缩写词”，“group”：：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Dortmund”，“order”：3，“name”:“Conference_city”，“table”：“conferency city”，“group”：：“会议信息”｝｝，｛“值”：“2022”，“顺序”：5，“名称”：“会议年”，“标签”：“会议年”，“组”：｛“名称”：“会议信息”，“标签”：“会议信息”｝｝，｛“值”：“2022年9月10日”，“顺序”：7，“名称”：“会议开始日期”，“标签”：“会议开始日期”，“组”：｛“名称”：“会议信息”，“标签”：“会议信息”｝，{“value”：“2022年9月14日”，“order”：8，“name”：“conference_end_date”订单“：10，”名称“：“conference_id”，“label”：“会议id”，“group”：{“name”：“ConferenceInfo”，“table”：“Meeting Information”}}，{“value”：“https:\/\/ppsn2022.cs.tu-dortmund.de\/”，“order”：11，“name”:“conference_url”，“标签”：“converence_url”：1，“name”：“type”，“label”：“type”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供：“同行评审信息（由会议组织者提供）”}}，{“value”：“185”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，”label“：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：“同行审议信息（由大会组织者提供）：“number_of_full_papers_accepted”，“label”：“接受的完整论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”：“number _of_short_papers_accepted“，”label“：”接受的短论文数“，”group“：{”name“：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“46%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“标签”：“完整论文的接受率”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“3.75”，“order”：7，“name”:“average_number_of_reviews_per_paper”，“table”：“每篇论文的平均评论数”：“同行评议信息（由会议组织者提供）”}}，{“value”：“3.11”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由大会组织者提供）“}}”，{：“external_reviewers_involved”，“label”：“涉及外部审阅者”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}]}}