每天进步一丢丢

超参数调优方法（三）

贝叶斯优化算法在寻找最优最值参数时，充分利用了之前的信息（区别于网格搜索和随机搜索在测试一个新点时，会忽略前一个点的信息）。贝叶斯优化算法通过对目标函数形状进行学习，找到使目标函数向全局最优值提升的参数。学习目标函数形状的方法：首先根据先验分布，假设一个搜集函数；然后每一次使用新的采样点来测试目标函数时，利用这个信息来更新目标函数的先验分布；最后算法测试由后验分布给出的全局最值最可能出现的位置的点。

对于贝叶斯优化算法，一旦找到了一个局部最优值，它会在该区域不断采样，所以很容易陷入局部最优值。为弥补这个缺陷，贝叶斯优化算法会在探索（在未取样的区域获取采样点）和利用（根据后验分布在最可能出现全局最值的区域进行采样）之间找到一个平衡点。