optuna.pruners.NopPruner

class optuna.pruners.NopPruner

永不剪枝试验的剪枝器。

示例

import numpy as np
from sklearn.datasets import load_iris
from sklearn.linear_model import SGDClassifier
from sklearn.model_selection import train_test_split

import optuna

X, y = load_iris(return_X_y=True)
X_train, X_valid, y_train, y_valid = train_test_split(X, y)
classes = np.unique(y)


def objective(trial):
    alpha = trial.suggest_float("alpha", 0.0, 1.0)
    clf = SGDClassifier(alpha=alpha)
    n_train_iter = 100

    for step in range(n_train_iter):
        clf.partial_fit(X_train, y_train, classes=classes)

        intermediate_value = clf.score(X_valid, y_valid)
        trial.report(intermediate_value, step)

        if trial.should_prune():
            assert False, "should_prune() should always return False with this pruner."
            raise optuna.TrialPruned()

    return clf.score(X_valid, y_valid)


study = optuna.create_study(direction="maximize", pruner=optuna.pruners.NopPruner())
study.optimize(objective, n_trials=20)

方法

prune(study, trial)

根据报告的值判断试验是否应该被剪枝。

prune(study, trial)

根据报告的值判断试验是否应该被剪枝。

请注意，库的用户不应该调用此方法。相反，optuna.trial.Trial.report() 和 optuna.trial.Trial.should_prune() 提供了用户接口，用于在目标函数中实现剪枝机制。

参数:

• study (Study) – 目标研究的 Study 对象。

• trial (FrozenTrial) – 目标试验的 FrozenTrial 对象。修改此对象前请先复制一份。

返回:

一个布尔值，表示试验是否应该被剪枝。

返回类型:

bool