第六周周报

第六周周报

在第五周周报中,我认为我很难再通过数据的处理,提高模型的训练水平,因此,我决定通过调整模型的参数,来提高我的模型,在上一周中,我学习了贝叶斯调参的方法,并且将其运用到了我的模型中,取得了不错的成果。

贝叶斯调参

相对于一些其他的调参方法,例如网格搜索,网格搜索通过遍历所有的参数组合,从而得出最优的结果,但是,对于本次比赛数据量较多的情况下,网格搜索的耗时相当长,而贝叶斯调参通过基于目标函数的过去评估结果建立替代函数,来找到最小化目标函数的值。它在尝试下一组参数时,会参考之前的评估结果。因此贝叶斯调参的速度也较快。
我采用的是python中的BayesianOptimization
具体步骤为:

  1. 定义优化函数,我通过定义一个函数,接受lightgbm模型中的相关参数,进行lightgbm模型的训练,然后返回相关的auc值。
  2. 确定参数的范围,用于初始化BayesianOptimization
  3. 调用maximize,进行调参,搜索最优参数

本期提交结果

利用优化好的参数进行训练,模型训练时间大大缩短,并且成绩上也有了很大的提高:

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值