optuna.importance.PedAnovaImportanceEvaluator

class optuna.importance.PedAnovaImportanceEvaluator(*, baseline_quantile=0.1, evaluate_on_local=True)[source]

PED-ANOVA 超参数重要性评估器。

实现了 PED-ANOVA 超参数重要性评估算法。

PED-ANOVA 拟合了 COMPLETE 试次的 Parzen 估计器，优于用户指定的基线。用户可以通过分位数来指定基线。重要性可以解释为每个超参数对于获得优于基线的性能有多重要。

有关 PED-ANOVA 算法的更多信息，请参阅以下论文：

PED-ANOVA: Efficiently Quantifying Hyperparameter Importance in Arbitrary Subspaces

注意

PED-ANOVA 的性能取决于考虑高于基线的试次数。为了稳定分析，建议包含至少 5 个高于基线的试次。

注意

请参阅原始工作。

参数:

baseline_quantile (float) – 计算获得目标值前 baseline_quantile 分位数的度量。例如，baseline_quantile=0.1 表示重要性提供了关于哪些参数在优化过程中获得前 10% 性能的重要信息。
evaluate_on_local (bool) – 是在局部空间还是全局空间度量重要性。如果为 True，则重要性表明了每个参数在优化过程中的重要性。同时，evaluate_on_local=False 会在指定的搜索空间中给出重要性。当用户在优化过程中修改搜索空间时，evaluate_on_local=True 尤其有用。

示例

使用 PED-ANOVA 的一个示例如下：

import optuna
from optuna.importance import PedAnovaImportanceEvaluator


def objective(trial):
    x1 = trial.suggest_float("x1", -10, 10)
    x2 = trial.suggest_float("x2", -10, 10)
    return x1 + x2 / 1000


study = optuna.create_study()
study.optimize(objective, n_trials=100)
evaluator = PedAnovaImportanceEvaluator()
importance = optuna.importance.get_param_importances(study, evaluator=evaluator)

注意

于 v3.6.0 添加为实验性功能。接口可能在新版本中更改，恕不另行通知。请参阅 https://github.com/optuna/optuna/releases/tag/v3.6.0。

方法

evaluate(study[, params, target])

根据给定研究中的已完成试验评估参数重要性。

evaluate(study, params=None, *, target=None)[source]

根据给定研究中的已完成试验评估参数重要性。

注意

此方法不应由库用户调用。

另请参阅

请参考 get_param_importances() 来了解具体评估器应如何实现此方法。

参数:

study (Study) – 一个已优化的 study。
params (list[str] | None) – 要评估的参数名称列表。如果为 None，则评估所有在所有已完成的 trial 中存在的参数。
target (Callable[[FrozenTrial], float] | None) –
指定用于评估重要性的值的函数。如果为 None 且 study 用于单目标优化，则使用目标值。也可用于其他 trial 属性，例如持续时间，如 target=lambda t: t.duration.total_seconds()。

注意

如果 study 用于多目标优化，请指定此参数。例如，要获得第一个目标的超参数重要性，请使用 target=lambda t: t.values[0] 作为 target 参数。

返回:

一个 dict，其中键是参数名称，值是评估的重要性。

返回类型:

dict[str, float]