![](/img/trans.png)
[英]Sklearn MLP Classifier Hyperparameter Optimization (RandomizedSearchCV)
[英]Sklearn MLP Classifier Hidden Layers Optimization (RandomizedSearchCV)
我設置了以下參數:
parameter_space = {
'hidden_layer_sizes': [(sp_randint.rvs(100,600,1),sp_randint.rvs(100,600,1),), (sp_randint.rvs(100,600,1),)],
'activation': ['tanh', 'relu', 'logistic'],
'solver': ['sgd', 'adam', 'lbfgs'],
'alpha': stats.uniform(0.0001, 0.9),
'learning_rate': ['constant','adaptive']}
除hidden_layer_sizes以外的所有參數均按預期工作。
當前,hidden_layer_sizes random
值是預先計算的,並且在所有迭代中保持不變。
有沒有一種方法可以針對RandomizedSearchCV
每次迭代, RandomizedSearchCV
選擇1或2層MLP,其中隱藏層神經元在100到600之間。
有任何想法/其他相關提示嗎?
RandomizedSearchCV使用ParameterSampler ,該參數期望有一個隨機采樣的列表或一個具有屬性 rvs()
的對象。 您可以通過模仿這個對象
class RandIntMatrix(object):
def __init__(self, low, high, shape=(1)):
self.low = low
self.high = high
self.shape = shape
def rvs(self, random_state=None):
np.random.seed(random_state)
return np.random.randint(self.low, self.high, self.shape)
print (RandIntMatrix(100, 600, 3).rvs()) # [ 506 124 310]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.