conda create-n SMAC python=3.10 conda激活SMAC
conda安装gxx_linux-64 gcc_linux-6 swig
pip安装smac
git克隆 https://github.com/automl/SMAC3.git &&cd SMAC3 制作install-dev
从 配置空间 进口 配置 , 配置空间
进口 numpy公司 作为 净现值
从 小型计算机 进口 超参数优化外观 , 脚本
从 sklearn公司 进口 数据集
从 sklearn公司 . 支持向量机 进口 SVC公司
从 sklearn公司 . 型号选择 进口 交叉值核心
虹膜 = 数据集 . 加载RIS () 定义 火车 ( 配置 : 配置 , 种子 : 整数 = 0 ) -> 浮动 : 分类器 = SVC公司 ( C类 = 配置 [ “C” ], 随机状态 = 种子 ) 分数 = 交叉值核心 ( 分类器 , 虹膜 . 数据 , 虹膜 . 目标 , 简历 = 5 ) 返回 1 - 净现值 . 意思是 ( 分数 ) 配置空间 = 配置空间 ({ “C” : ( 0.100 , 1000 )}) #指定优化环境的Scenario对象
脚本 = 脚本 ( 配置空间 , 确定性 = 真的 , n次试验 = 200 ) #使用SMAC查找最佳配置/超参数
小型计算机 = 超参数优化外观 ( 脚本 , 火车 ) 现任者 = 小型飞机控制 . 优化 ()
@文章{JMLR:v23:21-0888, author={马吕斯·林道尔(Marius Lindauer)、凯萨琳娜·艾根斯佩格(Katharina Eggensperger)、马蒂亚斯·费勒(Matthias Feurer)、安德烈·比登卡普(AndréBiedenkapp)、迪凡·登(Difan Deng)、卡罗琳·本杰明斯(Carolin Benjamins)、蒂姆·, title={SMAC3:用于超参数优化的通用贝叶斯优化包}, journal={机器学习研究杂志}, 年份={2022}, 体积={23}, 数字={54}, 页数={1-9}, url={ http://jmlr.org/papers/v23/21-0888.html } }