用户定义属性

利用用户自定义属性，这个功能可以给实验做注解。

将用户定义属性添加到 Study

Study 对象提供了一个将键-值对设置为用户自定义属性的方法： set_user_attr(). 这里的键应该属于 str 类型， 而值可以是任何能用 json.dumps 来序列化的对象。

import sklearn.datasets
import sklearn.model_selection
import sklearn.svm

import optuna


study = optuna.create_study(storage="sqlite:///example.db")
study.set_user_attr("contributors", ["Akiba", "Sano"])
study.set_user_attr("dataset", "MNIST")

我们可以利用 user_attr 属性来获取所有定义过的属性。

study.user_attrs  # {'contributors': ['Akiba', 'Sano'], 'dataset': 'MNIST'}

Out:

{'contributors': ['Akiba', 'Sano'], 'dataset': 'MNIST'}

StudySummary 对象中也包含了用户的自定义属性。我们可以从 get_all_study_summaries() 中获取它。

study_summaries = optuna.get_all_study_summaries("sqlite:///example.db")
study_summaries[0].user_attrs  # {"contributors": ["Akiba", "Sano"], "dataset": "MNIST"}

Out:

{'contributors': ['Akiba', 'Sano'], 'dataset': 'MNIST'}

参见

在命令行界面里，optuna study set-user-attr 可用于设置用户定义属性。

将用户属性添加到 Trial 中

和 Study 类似，Trial 对象也提供了一个设置属性的方法 set_user_attr() 方法。这些属性是在目标函数内部设置的。

def objective(trial):
    iris = sklearn.datasets.load_iris()
    x, y = iris.data, iris.target

    svc_c = trial.suggest_float("svc_c", 1e-10, 1e10, log=True)
    clf = sklearn.svm.SVC(C=svc_c)
    accuracy = sklearn.model_selection.cross_val_score(clf, x, y).mean()

    trial.set_user_attr("accuracy", accuracy)

    return 1.0 - accuracy  # return error for minimization


study.optimize(objective, n_trials=1)

可以用如下方式获取这些注解的属性：

study.trials[0].user_attrs

Out:

{'accuracy': 0.9266666666666667}

注意，在本例中，属性不是被注解到 Study 的，它属于一个单独的 Trial.