Python 是否可以将HyperDriveStep与时间序列交叉验证一起使用？

我想将堆叠模型部署到Azure机器学习服务。该解决方案的体系结构由三个模型和一个元模型组成。 数据是时间序列数据

我希望模型能够根据某个时间表自动重新训练。我还想在每次重新训练期间重新调整超参数

AML服务提供可在管道中用于自动超参数优化的

HyperDriveStep

类

是否可以使用时间序列CV使用HyperDriveStep

HyperDriveStep

---

我查看了文档，但没有找到满意的答案。

AzureML HyperDrive是一个黑盒优化器，这意味着它将根据您选择的配置使用不同的参数组合来运行代码。同时，它支持随机抽样和贝叶斯抽样，并有不同的提前停止策略（参见此处了解相关信息，此处了解一个——HyperDrive在笔记本的末尾）

---

您的模型/脚本/培训需要遵守的唯一一件事是从采用

--param

样式参数的脚本启动。只要这样，您就可以分别优化每个模型的参数，然后调整元模型，或者您可以在一次运行中调整所有参数。这主要取决于参数空间的大小以及您想要使用（或支付）的计算量。

谢谢@Daniel。我再次浏览了文档，我的理解是我可以在

估计器
脚本中执行时间序列交叉验证。然后返回我想要优化的任何内容（例如，所有折叠的平均损失），并根据该信息使用
HyperDriveStep
进行优化。是吗？是的，没错。这完全是关于您通过run.log（“metric”，value）返回的内容，“metric”是您在所使用的HyperDriveConfig中提供的主要度量名称。