主页

SMAC3 文档

引言

SMAC 是一个用于算法配置的工具，可以优化任意算法的参数，包括机器学习算法的超参数优化。其核心是将贝叶斯优化与积极的竞逐机制相结合，以高效地决定两种配置中哪种性能更好。

SMAC3 使用 Python3 编写，并在 Python 3.8、3.9 和 3.10 环境下持续测试。其随机森林部分使用 C++ 编写。下文中，SMAC 代表 SMAC3。

引用我们

如果您使用 SMAC，请引用我们的 JMLR 论文

@article{lindauer-jmlr22a,
       author  = {Marius Lindauer and Katharina Eggensperger and Matthias Feurer and André Biedenkapp and Difan Deng and Carolin Benjamins and Tim Ruhkopf and René Sass and Frank Hutter},
       title   = {SMAC3: A Versatile Bayesian Optimization Package for Hyperparameter Optimization},
       journal = {Journal of Machine Learning Research},
       year    = {2022},
       volume  = {23},
       number  = {54},
       pages   = {1--9},
       url     = {http://jmlr.org/papers/v23/21-0888.html}
}

关于最初的想法，我们参考了

Hutter, F. and Hoos, H. H. and Leyton-Brown, K.
Sequential Model-Based Optimization for General Algorithm Configuration
In: Proceedings of the conference on Learning and Intelligent Optimization (LION 5)

联系我们

SMAC3 由 AutoML.org 开发。如果您想贡献或发现了问题，请访问我们的 GitHub 页面。有关如何贡献此包的指南可以在这里找到。