automl/SMAC3

它解决了什么问题

SMAC3 提供了一个稳健的贝叶斯优化框架，专门设计用于帮助用户找到机器学习算法、数据集和应用中最有效的超参数配置。

它如何工作

它将贝叶斯优化与一种激进的竞速机制相结合，以高效地确定两个配置中哪一个表现更优。该系统使用代理模型——默认情况下是来自 scikit-learn 的随机森林，但也支持 pyrfr 的 C++ 实现——来指导最优超参数的搜索。

适用于谁

适用于需要自动化调优超参数以提升模型性能的机器学习实践者和研究人员。

主要特点

• 多功能优化：原生支持多目标、多保真度和多线程优化。
• 灵活的接口：包含 ask-and-tell 接口，并支持从上次中断处恢复运行。
• 集成能力：可与 ConfigSpace 配合使用以定义优化环境，并可通过 DeepCAVE 进行可视化。
• 高性能：利用基于 C++ 的随机森林实现高效的代理建模。