- 博客(12)
- 收藏
- 关注
RSS订阅原创 常见的各种调参（Tune Configuration）算法整理
序列贝叶斯优化的（Sequential Model Based Optimization）：SMAC，OtterTune，ResTune（包含迁移学习），Llamatune等等。启发式方法，GA，ParamILS，BestConfig，Irace，BOHB等等。以上方法有用于数据库调参，也有用于算法等等其他软件调参过程。基于强化学习的，DDPG，CDBTune等等。
2024-02-24 21:26:26
391
原创 Python根据已有数据构建因果关系图，进行推断示例：python使用causallearn，dowhy库
该图描述了不同变量之间的关系，箭头表示初始变量对结果变量的因果效应（causal effect），上面的值表示效应大小。该教程目的是通过已有数据，挖掘它们内部的因果联系。
2023-12-20 16:35:26
1412
1
原创 Botorch示例代码（单目标，使用optimize_acqf目标函数优化方法）
BoTorch是一个基于PyTorch的贝叶斯优化库，用于研究和实现高效的全局优化算法。BoTorch利用了PyTorch的自动微分、GPU支持和动态计算图等特性，提供了灵活的模块化接口，可以方便地组合不同的概率模型、采集函数和优化器。botorch.optim.optimize.optimize_acqf是一个用于优化采集函数的方法，它可以生成一组候选点，用于贝叶斯优化。
2023-05-25 20:51:51
515
1
原创 Python3中pip install smac报错，pip install pyrfr报错解决办法
解决办法：可以使用离线资源进行安装（csdn上有资源，这种方式较小），也可以在上面的网址下载，打开官方安装器，进行安装（占据空间较大）。报错原因：由于没有合适的C++版本用来对pyrfr进行编译，需要安装Microsoft C++ build tools的拓展资源。完成SWIG的安装以及加入环境变量后，再在终端运行pip install pyrfr。我们推荐安装版本 3.0.12。下载 SWIG 的 Windows 版。若依然安装失败，参考Openbox的解决方法。然后安装成功，可以继续安装smac等包。
2023-05-13 14:56:27
699
原创 Botorch的工作流程，参数num_restarts和raw_sample的详细解释，以及所有optimize_acqf的参数介绍
如果为True，则每次迭代后，都会将找到的最佳点添加到候选点集合中。- batch_limit: 一个整数，表示每次重启时可以同时评估的最大候选点数量。- raw_samples: 一个整数，表示每次重启时用于初始化的随机采样点的数量。- method: 一个字符串，表示用于优化的算法。- maxiter: 一个整数，表示每次重启时优化器的最大迭代次数。- num_restarts: 一个整数，表示每次迭代的重启次数。options: 一个可选的字典，表示传递给优化器或初始化器的额外选项有哪些。
2023-04-28 18:35:58
345
原创 Botorch的model.posterior使用方式
1. 创建一个Model对象，可以是botorch提供的预定义模型，如SingleTaskGP、FixedNoiseGP等，也可以是自定义的模型，只要它实现了Model接口。在botorch中，model.posterior是一个方法，它接受一组设计点作为输入，返回一个Posterior对象，表示模型输出在这些设计点上的后验概率分布。botorch是一个基于PyTorch的贝叶斯优化库，它提供了一个灵活的模型抽象层，可以用来表示不同的概率模型。
2023-04-16 00:12:29
205
原创 Restune：一种动态调参方法
为了解决这个问题，Restune采用了贝叶斯优化（BO）框架，利用高斯过程（GP）建立参数和性能之间的概率模型，并通过采集函数选择下一个待评估的参数。与传统的BO方法不同，Restune利用了元学习的思想，将历史任务的知识转移到当前任务上，从而加速了调参过程。Restune是一种基于元学习的资源导向调参方法，它可以为云数据库系统提供最优的配置参数，以提高资源利用率和性能。Restune在多个真实数据集和云数据库系统上进行了实验，结果表明，它可以显著提高资源利用率和性能，同时满足SLA的限制。
2023-04-15 02:06:45
231
原创 Ottertune的源代码重点理解
ottertune是一个自动化的数据库管理系统(DBMS)配置工具，它可以根据数据库的工作负载和目标指标，为DBMS生成最优的配置参数。ottertune中的server部分负责接收和处理来自客户端的观测数据，以及运行机器学习算法来生成新的配置建议。simulation.py是server部分的一个模块，它用于模拟ottertune的工作流程，以便测试和评估不同的机器学习算法和策略。
2023-04-10 22:19:33
359
1
原创 Jmetalpy介绍——基于Python的优化算法框架
jmetalpy是一个基于Python的多目标优化框架，它使用元启发法（metaheuristics）来求解复杂的优化问题。元启发法是一类灵活的、高效的、通用的优化算法，它们可以适应不同的问题特征和约束条件，寻找最优或近似最优的解。jmetalpy框架提供了多种元启发法算法，如遗传算法、模拟退火、NSGA-II、IBEA、SPEA2等，以及多种编码方式、选择算子、交叉算子、变异算子等。jmetalpy框架还提供了多种质量指标、可视化工具、实验类和统计分析方法，方便用户评估和比较不同的算法性能。jme
2023-03-30 14:35:44
594
原创 Jmetalpy的入门教程（单目标整数优化：Integer Problem使用Genetic Algorithm）
jMetalPy是一个用Python实现的多目标优化框架，它提供了多种元启发式算法，如NSGA-II，SMPSO，MOEA/D等，以及多种编码方式，如实数，二进制，排列等。这是一个非常简单的例子，但是展示了使用jMetalPy来定义和求解单目标整数问题的基本步骤。本文将介绍如何使用jMetalPy来解决一个单目标整数问题。更多关于jMetalPy的使用方法和示例，请参考其官方文档和GitHub仓库。可以看到，算法成功找到了问题的最优解x=0，对应的目标函数值为10。
2023-03-30 14:14:20
616
2
原创 Jmetalpy的入门教程（以多目标优化ZDT1问题为例）
元启发法是一类灵活的、高效的、通用的优化算法，可以解决各种复杂的实际问题。jmetalpy提供了多种元启发法，如遗传算法、模拟退火、NSGA-II、MOEA/D等，以及多种优化问题，如ZDT、DTLZ、FDA等。solutions是一个包含非支配解的列表，我们可以对其进行分析和可视化。ZDT1问题是一个具有两个目标函数和30个决策变量的连续问题，其Pareto前沿是一个凸的曲线。本文将使用NSGA-II算法来求解该问题，并展示其结果。以上就是使用jmetalpy进行多目标优化的入门教程，希望对你有所帮助。
2023-03-30 13:58:29
1217
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人