一种基于单纯形优化域的贝叶斯快速自动化超参寻优方法

摘要

本发明属于机器学习优化建模领域，具体涉及一种基于单纯形优化域的贝叶斯快速自动化超参寻优方法。本发明所提供的在单纯形优化域中采用反距离加权来构造局部插值作为贝叶斯代理模型，其中由于每个插值都基于纯局部信息，且相邻单纯形采样点实现共享，每次迭代后无需更新代理模型，因此本发明实现全局动态寻优，大大加快了贝叶斯优化效率。本发明无需通过实验或者人为经验选择寻优算法的超参数，对不同机器学习算法都可以实现快速自动化超参数寻优，具有很高的采样效率，可以在尽可能少的样本中进行全局寻优同时快速收敛。