.png){kind=icon}
返回
MetaGen: A framework for metaheuristic development and hyperparameter optimization in machine and deep learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.130046.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
超参数优化是提升机器学习中模型性能的关键步骤。传统上，这一挑战通过元启发式算法来解决，这些算法能够高效探索大规模搜索空间以发现最优解。然而，在缺乏适当开发工具的情况下实施这些技术可能较为复杂，这正是本文的主要关注点。因此，我们介绍了MetaGen，一个新型的Python软件包，旨在为元启发式算法的开发和评估提供全面的框架。MetaGen遵循Python设计的最佳实践，确保代码实现简洁、易于理解，并在解的表示上提供完全的灵活性。该软件包定义了两种不同的用户角色：开发者，负责实现超参数优化的算法；求解者，利用预实现的元启发式算法解决优化问题。除了算法实现外，MetaGen通过内置的测试函数促进基准测试，确保标准化的性能比较。它还提供自动报告和可视化工具，以有效分析优化过程和结果。此外，其模块化设计允许其分发并集成到现有的机器学习工作流中。本文展示了若干示例用例，以证明其适应性和有效性。该软件包连同代码、用户手册和补充材料，可从以下网址获取：https://github.com/Data-Science-Big-Data-Research-Lab/MetaGen。
Keyword:
Metaheuristics
Hyperparameter optimization
Machine learning
Deep learning
Python
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
分享收藏分享收藏On hyperparameter optimization of machine learning algorithms: Theory and practice机器学习算法的超参数优化: 理论与实践.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Deep learning hyperparameter optimization: Application to electricity and heat demand prediction for buildingsENERGY AND BUILDINGS
ENERGY AND BUILDINGSIF7.1
PREAI
分享收藏Coronavirus Optimization Algorithm: A Bioinspired Metaheuristic Based on the COVID-19 Propagation ModelBig DataOAAI
Big DataIF0
OAAI分享收藏
查看更多内容