.png){kind=icon}
返回
Hyperparameter optimization of non-linear machine learning models using bi-level data-driven optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compchemeng.2026.109671.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 利用数据驱动优化方法对机器学习模型的超参数调优进行了研究。 • 对6个案例研究中17种不同数据驱动优化算法的性能进行了量化评估。 • 数据驱动的双层方法优于网格搜索、随机搜索和贝叶斯优化。 • 结果显示，在回归和分类问题的测试集上预测性能得到提升。
Keyword:
hyperparameter optimization
data-driven optimization
bi-level approach
machine learning models
predictive performance
期刊
C
IF:
3.9
论文数:
283
被引数:
0
机构
暂无机构信息
引用论文
Data-driven Stochastic Optimization of Numerically Infeasible Differential Algebraic Equations: An Application to the Steam Cracking Process数据驱动的数值不可行微分代数方程的随机优化：蒸汽裂解过程的应用
.png){kind=icon}
PREAI
分享收藏Scaling tree-based automated machine learning to biomedical big data with a feature set selector
OAAI
OAAI分享收藏分享收藏A machine learning approach for electrical capacitance tomography measurement of gas-solid fluidized beds气固流化床电容层析成像测量的机器学习方法OAAI
OAAI分享收藏分享收藏
查看更多内容