#18 · 主分类： 优化与启发式算法
hyperparameter_hunter
ai
artificial-intelligence
catboost
data-science
deep-learning
experimentation
feature-engineering
hyperparameter-optimization
hyperparameter-tuning
keras
lightgbm
machine-learning
ml
neural-network
optimization
python
rgf
scikit-learn
sklearn
xgboost
轻松优化超参数，自动保存结果，支持多种机器学习算法和库
项目最后更新：01/20/21
GitHub Stars
705
Forks数量
99
贡献者数量
4
许可证
MIT
收录理由
如果你发现自己反复重跑相同的模型配置，而不是真正改进它们，这个库值得一试。HyperparameterHunter 能包装你已经在用的估计器，从 scikit-learn、Keras 到 XGBoost、LightGBM 和 CatBoost，每次运行都会悄悄记录下发生了什么。它的特别之处在于把调参当作一个持续的过程，而不是一次性的搜索：一旦积累了实验历史，后续的调优就会从你之前尝试过的所有结果出发，而不是从零开始。这对那些希望保留模型工作长期记录、不想在重复配置上浪费精力的团队很合适。它还处理了交叉验证和评分相关的样板代码，当你在多个库之间快速做基准测试时，能省去不少麻烦。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。