问题描述
我正在使用 GPflow 使用具有多维输入/输出（input_dim = 8，output_dim = 23）的数据集进行高斯过程回归。现在我基本上是根据经验定义我的内核和初始参数。我想通过定义内核和参数的搜索空间来执行超参数优化以找到最佳模型。有没有人尝试使用 scikit-learn 中的 RandomizedSearchCV 或 gridsearchcv 来做到这一点？或者有人对最好的方法有什么建议吗？
谢谢！ 用户
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）