Python 如何从hyperopt hp.choice中提取选定的hyperparameter？

我正在使用

hyperopt

找到一个

catboost

回归器的最佳超参数。 我正在关注这个。 有关部分是：

ctb_reg_参数={
“学习率”：hp.choice（“学习率”，np.arange（0.05,0.31,0.05）），
}
ctb_拟合参数={
“详细”：False
}
ctb_para=dict（）
ctb_para['reg_params']=ctb_reg_params
ctb_para['fit_params']=ctb_fit_params
ctb_para['loss_func']=lambda y，pred:np.sqrt（均方误差（y，pred））
def ctb_reg（自我，第段）：
reg=ctb.CatBoostRegressor（**第['reg_参数]]段）
注册匹配（x_系列、y_系列，**第[‘匹配参数’]段）
预测=调整预测（x_检验）
损失=第[‘损失函数’]（y_测试，预测）
返回{'loss'：丢失，'status'：状态{u OK}
fmin（fn=ctb_reg，space=ctb_para，algo=tpe.suggest，max_evals=100，trials=trials（））

几分钟后，我得到了这个：

{'learning_rate'：4}

如何提取最佳学习率？它是不是

np.arange（0.05,0.31,0.05）[4]

？有没有更好的方法从hyperopt导入空间中提取它？

\u eval
打印（空间评估（ctb段、fmin结果））

感谢您提供此代码片段，它可能会提供一些有限的即时帮助。通过展示为什么这是一个很好的问题解决方案，A将极大地提高它的长期价值，并将使它对未来有其他类似问题的读者更有用。请在你的回答中添加一些解释，包括你所做的假设。嗨，我能问你这里的“para”论点用什么吗？我试图逐字使用您的代码，因为我无法访问媒体文章。谢谢