《表3 六种超参数优化方法的性能对比表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于强化学习的超参数优化方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对比指标选取的是待优化模型在测试集上的错误率（如表“Err”所示）．实验结果以3次对比实验的Err平均值和方差进行展示（详细实验结果见表3），不仅能够表示待优化模型在测试集上的准确度，还能够反映优化方法的稳定性．通过观察表中实验数据，可以看出:所有的优化方法在大部分优化任务上都能得到优于默认参数性能的超参数配置．具体的，在10个优化任务中，贝叶斯优化、CM-AES和SM AC三种优化方法都达到了很好优化结果，且具有很好的稳定性，而随机搜索和TPE两种优化方法的优化性能相对较差；相比之下，BP-Agent方法在8个优化任务中分别达到了最好的优化结果和稳定性．