Python Hyperopt支持选项子集吗？_Python_Hyperopt

Python Hyperopt支持选项子集吗？

python

Python Hyperopt支持选项子集吗？,python,hyperopt,Python,Hyperopt,我有一组选项a。我想得到选项a的子集。这在Hyperopt中可能吗输入：输出：没有，但是如果您特别想要该功能，有多种方法可以实现可以定义新表达式并将其添加到现有hyperopt参数表达式中，如中所示。例如，在您的情况下，您可以执行以下操作： import hyperopt.pyll from hyperopt.pyll import scope from hyperopt.pyll.stochastic import sample # Add a new method as you w

我有一组选项a。我想得到选项a的子集。这在Hyperopt中可能吗

输入：

输出：

没有，但是如果您特别想要该功能，有多种方法可以实现

可以定义新表达式并将其添加到现有hyperopt参数表达式中，如中所示。例如，在您的情况下，您可以执行以下操作：

import hyperopt.pyll
from hyperopt.pyll import scope
from hyperopt.pyll.stochastic import sample

# Add a new method as you want
@scope.define
def foo(choices, num_choices):
    return np.random.choice(choices, size=num_choices, replace=False)

choices = [1,2,3,4]

# Define the space like below and use in fmin
space = scope.foo(choices, 2)

# Call this multiple times to see how space behaves
print(sample(space))

请参阅以了解其工作原理

注意：

```
foo
```
方法将返回选择的子集（在numpy数组中）。因此，请确保在目标函数中使用内部多个值，如
```
x[0]、x[1]、…
```
等
在代码末尾添加
```
scope.undfine（foo）
```
，否则每次运行代码之前都必须重新启动终端/内核
hyperopt wiki可以像上面一样定义新类型的参数搜索空间，因为这可能会影响搜索策略或执行得不理想

如果允许您选择两个替换值（这意味着有时子集中的两个值将相同。这就是我们在第1点中使用

replace=False

的原因），则可以执行以下操作：

choices = [1,2,3,4]
space = [hp.choice('c1', choices), 
         hp.choice('c2', choices)]

然后在目标函数中，您可以访问两个值，即

x[0]

，

x[1]

但从您的问题来看，似乎您希望有子选项，这意味着无需替换，因此

[1,1]

或

[2,2]

等的子集无效。在这种情况下，您应该使用

第2点的示例程序如下：

from hyperopt import fmin, tpe, hp, STATUS_OK, STATUS_FAIL, Trials

def objective(x):
    # Check if the supplied choices are valid or not
    x1 = x[0]
    x2 = x[1]
    if x1 == x2:
        # If invalid, only return the status and hyperopt will understand
        return {'status': STATUS_FAIL} 


    # Normal flow of objective
    # Do your coding here

    # In the end, return this  
    return {
        'loss': actual_loss,  # Fill the actual loss here
        'status': STATUS_OK
        }

choices = [1,2,3,4]
space = [hp.choice('c1', choices), 
         hp.choice('c2', choices)]

trials = Trials()   
best = fmin(objective, space=space, algo=tpe.suggest, max_evals=100, trials=trials)

from hyperopt import space_eval
print(space_eval(space, best))

希望这有帮助。