用于在被修改的任务之间进行迁移学习的方法和设备

摘要

本发明涉及一种用于对机器学习算法的超参数进行迁移学习的方法，该方法包括如下步骤：提供当前的搜索空间和先前的搜索空间。然后，创建被缩小的搜索空间，并且从被缩小的搜索空间和当前的搜索空间中多次、随机抽取候选配置，并且分别利用所述候选配置来参数化地应用该机器学习算法。然后，利用这些候选配置来参数化地根据候选解决方案以及该机器学习算法的结果来创建树结构Parzen估计器（TPE），并且多次重复借助于该TPE从当前的搜索空间中抽取其它候选配置，其中在每次抽取时都对该TPE进行更新。