云引擎scaleType实现

我正在尝试使用SciKit优化(skopt)实现GoogleCloudML引擎的超参数调优功能。我不确定如何始终转换ML引擎 scaleType 到 skopt.space.Real 的 prior S.

制服足够直,圆木也一样 看 每种方法都有一个等价物,但我不完全确定实现是否一致。我也不确定如何实现ML引擎 UNIT_REVERSE_LOG_SCALE 如果 LOG_SCALE 与 skopt 的 log-uniform 优先。这个 原木均匀 对于远离的参数,分布的行为似乎不像人们希望的那样。 0 -例如,如果你想在 0.9 和 0.999 分布接近均匀(见下面的第一张图)。

代码和可视化使用 斯科普 S 原木均匀 以及下面的一些自定义转换。

#!/usr/bin/python
import numpy as np
import matplotlib.pyplot as plt
import skopt


def sample_custom_log_uniform(min_val, max_val, n_samples):
    sample = skopt.space.uniform(0, 1).rvs(n_samples)
    return min_val + (10 ** sample - 1) / 9 *(max_val - min_val)


def sample_custom_reverse_log_uniform(min_val, max_val, n_samples):
    sample = skopt.space.uniform(0, 1).rvs(n_samples)
    return max_val - (10 ** sample - 1) / 9 *(max_val - min_val)


def sample(min_val, max_val, prior='log-uniform', n_samples=100000):
    if prior == 'custom-log-uniform':
        return sample_custom_log_uniform(min_val, max_val, n_samples)
    elif prior == 'custom-reverse-log-uniform':
        return sample_custom_reverse_log_uniform(min_val, max_val, n_samples)
    else:
        return skopt.space.Real(min_val, max_val, prior=prior).rvs(n_samples)


priors = (
    'log-uniform', 'custom-log-uniform', 'custom-reverse-log-uniform')
fig, axes = plt.subplots(1, len(priors))
for (prior, ax) in zip(priors, axes):
    ax.hist(sample(0.9, 0.999, prior))
    ax.set_title(prior)
    ax.set_yticklabels([])

plt.show()

我的问题是:

• 做 ml engine 实施 对数刻度 作为 原木均匀 或 custom-log-uniform 从上面还是别的什么?
• 做 ML引擎 实施 REVERSE_LOG_SCALE 作为 custom-reverse-log-uniform 在上面,还是其他什么?