SMAC3：一个用于超参数优化的通用贝叶斯优化包
机器学习
2022-02-09 v2 机器学习
摘要
算法参数，尤其是机器学习算法的超参数，会对其性能产生显著影响。为了帮助用户在手头的算法、数据集和应用上确定性能良好的超参数配置，SMAC3 提供了一个稳健且灵活的贝叶斯优化框架，能够在少量评估内提升性能。它为典型用例提供了若干接口和预设，例如优化超参数、求解低维连续（人工）全局优化问题，以及将算法配置为在多个问题实例上均表现良好。SMAC3 包以宽松的 BSD 许可证发布于 https://github.com/automl/SMAC3。
引用
@article{arxiv.2109.09831,
title = {SMAC3: A Versatile Bayesian Optimization Package for Hyperparameter Optimization},
author = {Marius Lindauer and Katharina Eggensperger and Matthias Feurer and André Biedenkapp and Difan Deng and Carolin Benjamins and Tim Ruhopf and René Sass and Frank Hutter},
journal= {arXiv preprint arXiv:2109.09831},
year = {2022}
}