Hyperopt调参，返回值注意事项（坑），为什么num_leaves和max_depth会显示0？Python

关于Hyperopt的使用可以参考以下几篇文章，本文不做解释：

(4条消息) Hyperopt入门_浅笑古今的博客-CSDN博客_hyperopt

使用 Hyperopt 进行参数调优（译） - 简书 (jianshu.com)

本文主要说明一下返回值的坑！

调LightGBM的时候：

fmin函数↓

 搜索空间↓

 

坑来了！最终返回结果是这样（仅做示例）：

{'bagging_fraction': 4, 'feature_fraction': 2, 'max_depth': 2, 'min_child_samples': 84, 'num_leaves': 2, 'reg_alpha': 156.09791414363687, 'reg_lambda': 0.01845081695764928}

问题来了，bagging_fraction为什么会是4？feature_fraction为什么会是2？我的搜索空间里，最小的max_depth是3，返回的字典里为什么会是2？同理，trials（我转成DF保存到本地了）也奇奇怪怪，num_leaves和max_depth会显示0↓

 

最终我恍然大悟，如果你在搜索空间里设置的是枚举类型(hp.choice)，那么返回的是索引而不是真实值！比如上图的'num_leaves': [0]就是我搜索空间里的【10】！bagging_fraction 返回4代表我搜索空间里的【0.9】！

其他类型也要引起注意！

所以这个返回的字典params_best是不能直接去训练后面的LightGBM模型的！