在编写完成一个Python脚本之后,便可以用它训练和评估机器学习模型了,现在,问题来了,是否能对它自动调整超参数以提高其性能呢?自有办法!在本文中,将展示如何将脚本转换为可以用任何超参数优化库优化的目标函数。
只需要三个步骤,便可实现模型的参数调整。准备好了?那就开始吧!假设main.py 脚本如下所示:
第1步:从代码中解耦出搜索参数
提取想要调整的参数,将它们放在脚本顶部的字典中,这样做之后,便可以有效地将搜索参数与代码的其余部分解耦。
第2步:将训练和评估打包为一个函数现在,可以将整个训练和评估逻辑放在 train_evaluate函数的内部。此函数以参数为输入,输出验证分数。