AutoParamTuning开发日志

9.24

完成的工作

1. 写评判数据集可行性的模块DataFilter.py，放到了evaluation目录下
    

9.23

完成的工作

1. 试图merge，然后失败。之前的任务分配有些歧义。

遇到的问题

• 和zkx商量后决定，用自编码神经网络新写一个版本的特征计算函数
   

9.11

完成的工作

1. 完成了运行结果保存，计划接下来进行特征数目的增加和特征计算的单元测试
2. 开始学习单元测试

遇到的问题

• 使用一个神经网络是必须的吗？是否可以用一个神经网络同时完成多个独立的分类和回归问题？
  我觉得，处理两个不同的问题的神经网络共用一部分参数，这个假设的合理性有待考虑。不过google了一下发现似乎真的有这样的网络，有待进一步了解。
  初步方案是先针对每一个超参数写一个神经网络。
   

9.10

完成的工作

1. 经过许久纠结，最终决定用txt来写Readme
2. 完善了主程序（还差最后保存运行结果的部分）
3. 完善了spec
    

9.9

完成的工作：

1. 确定了大体的重构框架

• 详见github本仓库README文件

2. 分工
   ols：客户端和特征计算
   zkx：标签计算和神经网络 关于神经网络拟合效果评估的代码在之后商议。
3. 完成了客户端主文件的大体框架
   仓库位置在 https://github.com/Sonata165/AutoParamTuning

遇到的问题：

• 之前初步实验中，我们要调的超参数都是连续取值的。那么遇到离散取值的超参数（比如字符串或者整数）该怎么办?
  一个初步想法是，有多少待调参数，就设置多少神经网络。连续取值的超参数用神经网络回归，离散取值的超参数用神经网络分类
• .md文件用VSCode编辑时，不知道怎么换行（最后改用notepad2）