vw-hypersearch是Vowpal Wabbit包装器，用于优化大众模型中的超参数：正则化率，学习率和衰减，最小批量，自举大小等。
vw-hypersearch 1e-10 5e-4 vw --l1 % train.dat
此处
%表示要优化的参数，1e-10 5e-4是搜索间隔的上下限。该库使用tutorial方法来最大程度地减少迭代次数。但是，如果我想搜索多个超参数怎么办？从golden section search github问题讨论之类的资源中，我得到暗示，大众可能没有实现多维搜索方法。因此，唯一的出路是编写自己的特定于任务的优化器。我对吗？
最佳答案
现在，可以使用位于存储库中vw-hyperopt.py的模块/vowpal_wabbit/utl/来完成此操作。
在这里查看我的请求请求：https://github.com/JohnLangford/vowpal_wabbit/pull/867
在不久的将来，这将得到更好的记录。
关于machine-learning - Vowpal Wabbit中带有vw-hypersearch的多维超参数搜索，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33242742/