使用配置文件进行模型调参

zhangcuuuuuu

于 2018-06-21 16:29:22 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： sklearn使用文章标签：机器学习调参

本文链接：https://blog.youkuaiyun.com/zhangcucmb/article/details/80761034

本文介绍了一种将模型超参数写入配置文件的方法，以实现调参过程与模型建立的分离。以随机森林为例，通过配置文件（如variables.ini）管理不同的调参方案，使得在调参时无需直接修改程序，简化了调参流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为实现模型建立过程与调参过程的分离，将模型的超参数写如配置文件中，以实现自动化调参

以随机森林为例：

超参数写入variables.ini配置文件中，每一个section可以作为一个调参的方案，并且在进行调参时，不需要对程序作出修改，简便了调参的过程

[RandomForest0]
n_estimators = [10,18,2]
criterion = ['gini','entropy']

[RandomForest1]
n_estimators = [10,20,4]
max_depth = [6,12,2]

读取配置文件

import configparser
config=configparser.ConfigParser()
config.read("variables.ini")

遍历配置文件中的超参数

#遍历配置文件中所有的section
for section in config.sections():
    #将每一个section中所有的参数保存在para字典中
    para=config.items(section)
    clf=RandomForestClassifier(random_state=10)
    for key, value in para:
    #遍历字典中所有的超参数
        value = eval(value)
        #判断参数列表长度如果为3，则采用range(start, end, step)的形式
        if len(value)!=3:
            param_test={key:value}
        else:
            start=value[0]