【算法】第二代遗传算法NSGA-II优化SVR超参数模型

第二代遗传算法NSGA-II优化SVR超参数模型

  • 一、NSGA-II介绍
  • 二、建模目的
  • 三、NSGA-II优化SVR超参数模型
    • 3.1 超参数设置
    • 3.2 导入数据集
    • 3.3 模型搭建
      • 3.3.1 定义自变量的类
      • 3.3.2 初始化种群
      • 3.3.3 进化
      • 3.3.4 输出最优解集合
  • 四、模型测试

一、NSGA-II介绍

NSGA-II(Non-dominated Sorting Genetic Algorithm II)是一种多目标优化算法,用于解决具有多个冲突目标的优化问题。它通过模拟进化过程中的自然选择和遗传操作,逐步改进种群中的解,以找到一组尽可能好的解,这些解在多个目标下都是非支配的。

二、建模目的

用NSGA-II实现对SVR超参数的寻优,找到SVR最优的超参数C,输出对应的评价指标MSE,超参数范围设置如下:

  • 超参数C范围(0.01, 10)
  • 迭代次数5
  • 种群大小5

超参数范围、迭代次数、种群大小可自定义

三、NSGA-II优化SVR超参数模型

3.1 超参数设置

首先,以全局变量的形式进行超参数的设置,代码如下:

# 设置参数
pop_size =

你可能感兴趣的:(机器学习,算法,python,NSGA-II,SVR,GA,遗传算法,回归模型)