百万卢比 swMATH ID: 19214 软件作者: 伯恩德·比施尔、雅各布·里希特、雅各布·博塞克、丹尼尔·霍恩、珍妮克·托马斯、米歇尔·朗 描述: mlrMBO:基于模型优化昂贵的黑盒函数的模块化框架。我们提出了mlrMBO,这是一个用于基于模型优化(MBO)的灵活而全面的R工具箱,也称为贝叶斯优化,它通过代理回归模型近似给定的目标函数来解决代价高昂的黑盒优化问题。它是为具有混合连续、类别和条件参数的单目标优化和多目标优化而设计的。其他功能包括多点批处理方案、并行化、可视化、日志记录和错误处理。mlrMBO以模块化的方式实现,这样用户就可以很容易地替换单个组件或根据特定用例进行调整,例如,可以使用机器学习mlr工具箱中的任何回归学习器,并且填充标准和填充优化器很容易交换。我们通过将mlrMBO在不同的基准场景上与各种其他优化器(包括DiceOptim、rBayesianOptimization、SPOT、SMAC、Spearmint和Hyperopt)进行比较,从经验上证明了它提供了最先进的性能。 主页: https://arxiv.org/abs/1703.03373 依赖项: R(右) 关键词: 基于模型的优化;贝叶斯优化;黑盒优化;超参数调整;参数配置;R(右) 相关软件: 最大似然比;青蒿素;Hyperopt公司;Scikit公司;UCI-毫升;R(右);SMAC公司;现场;BoTorch公司;DiceOptim公司;DiceKriging公司;EGO公司;插入符号;格尔姆奈特;姆博斯特;ggplot2;ParEGO公司;github;随机森林;批处理工具 引用于: 9文件 全部的 前5名35位作者引用 三 伯恩德·比施尔 2 安娜·劳尔·伊萨博(Anne-Laure Isabeau),布列斯特(Boulesteix) 2 约格·拉恩富勒 2 雅各布·里希特 1 卞,江 1 雅各布博斯克 1 马里奥·布里奇 1 朱塞佩·卡萨利基奥 1 陈建嘉 1 陈冠勋 1 妮可·埃伦巴赫 1 蒂姆·弗里德 1 博格丹·加布里斯 1 本杰明·霍夫纳 1 罗马人Hornung 1 罗布·亨德曼。 1 大卫·雅各布·凯季奥拉 1 帕斯卡·科尔斯克 1 多米尼克·基尔霍夫 1 达利博尔·克雷扎 1 米歇尔·朗 1 卡塔日纳穆西亚 1 菲利普·普罗布斯特 1 海蒂·赛博尔德 1 萨拉·沙沙安尼 1 史俊杰 1 莫伊德希拉齐·马内什 1 凯特·A·史密斯·迈尔斯。 1 英格丽达·斯特波纳维奇 1 克里斯蒂安·昂格尔 1 基米亚·瓦达特 1 华金·万斯库伦 1 劳拉·维拉诺娃 1 鲍里斯·弗多尔贾克 1 熊浩毅 全部的 前5名引用于7个系列 2 机器学习 1 生物医学杂志 1 分类期刊 1 计算统计学 1 优化与工程 1 机器学习研究杂志(JMLR) 1 机器学习的基础和趋势 在3个字段中引用 7 统计学(62-XX) 6 计算机科学(68至XX) 2 运筹学、数学规划(90-XX) 按年份列出的引文