发布新的 SpotOptim Python 包用于黑盒函数优化

SpotOptim Python 包已发布，为优化昂贵的黑盒函数提供了一个框架。它采用基于 Kriging 的方法和预期改进（Expected Improvement），支持各种变量类型、带噪声的评估和多目标优化。该包包含诸如基于成功率的重启机制以防止停滞等功能，并与 scikit-learn 兼容的代理模型集成。SpotOptim 还提供 TensorBoard 日志记录以进行实时监控，并与其他几个流行的优化工具进行了比较。 AI

影响 为优化机器学习超参数和其他昂贵的黑盒函数提供了一个新工具。

排序理由 该项目是一篇描述新优化软件包的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• BoTorch
• Hyperopt
• Kriging
• Optimal Computing Budget Allocation
• Optuna
• Python
• RayTune
• scikit-learn
• SpotOptim
• TensorBoard

• 论文
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →