Hyperactive：优化与数据收集的开源工具箱

Hyperactive：优化与数据收集的开源工具箱

Hyperactive An optimization and data collection toolbox for convenient and fast prototyping of computationally expensive models. 项目地址: https://gitcode.com/gh_mirrors/hy/Hyperactive

Hyperactive 是一个开源项目，旨在为计算密集型模型的快速原型设计提供方便、高效的优化和数据收集工具。该项目主要使用 Python 编程语言实现。

项目基础介绍

Hyperactive 项目托管在 GitHub 上，提供了一个用于优化和数据收集的工具箱。该项目基于 Gradient-Free-Optimizers 包，并在此基础上扩展了额外的功能和工具，使其成为一个非常易于学习和使用的工具。

核心功能

Hyperactive 的核心功能包括：

• 智能优化算法：支持多种局部和全局搜索算法，如 hill climbing、simulated annealing、random search、grid search 等。
• 支持主流机器学习框架：与 Scikit-learn、XGBoost、LightGBM、CatBoost 等框架兼容。
• 并行计算：支持多进程和多种并行计算库，如 multiprocessing、joblib 和 pathos。
• 特征工程：提供特征变换、特征选择等工具。
• 超参数调优：为机器学习模型提供超参数优化和模型选择。
• 数据收集：在优化过程中轻松保存和探索搜索数据。

最近更新的功能

Hyperactive 最近更新的功能包括：

• 增强的优化算法：新增了多种优化算法，如 Parallel Tempering Optimizer、Spiral Optimization 等，以应对不同的优化问题。
• 改进的搜索数据收集器：Search-Data-Collector 工具现在可以更方便地保存优化过程中的搜索数据到 CSV 文件。
• 可视化工具：Search-Data-Explorer 工具可以基于 streamlit 和 plotly 快速可视化搜索数据。
• 性能优化：对核心算法进行了优化，提高了执行效率和稳定性。

Hyperactive 项目的持续更新使其成为一个值得关注的开源工具，特别适合那些需要在短时间内原型设计计算密集型模型的开发者。

Hyperactive An optimization and data collection toolbox for convenient and fast prototyping of computationally expensive models. 项目地址: https://gitcode.com/gh_mirrors/hy/Hyperactive