python - Optuna 多目标优化的最佳参数

Question

使用 Optuna 执行单目标优化时，研究的最佳参数可使用:

import optuna
def objective(trial):
    x = trial.suggest_uniform('x', -10, 10)
    return (x - 2) ** 2

study = optuna.create_study(direction='minimize')
study.optimize(objective, n_trials=100)

study.best_params  # E.g. {'x': 2.002108042}

如果我想执行多目标优化，这将变成例如:

import optuna
def multi_objective(trial):
    x = trial.suggest_uniform('x', -10, 10)
    f1 = (x - 2) ** 2
    f2 = -f1
    return f1, f2

study = optuna.create_study(directions=['minimize', 'maximize'])
study.optimize(multi_objective, n_trials=100)

这行得通，但是命令 study.best_params 失败并显示 RuntimeError: The best trial of a 'study' is only supported for single-objective optimization.

如何获得多目标优化的最佳参数？

Answer 1

在多目标优化中，您通常会得到不止一个最佳试验，而是一组试验。这个集合通常被称为 Pareto 前沿。您可以通过 study.best_trials 获得此帕累托前沿或试验列表。 ，然后查看每个单独试验的参数，即 study.best_trials[some_index].params。

例如，给定最小化 f1 和最大化 f2 的方向，您最终可能会得到 f1 值较小的试验>(好)但同时 f2(坏)的值很小，而另一个试验可能对 f1(坏)和 f2< 都有很大的值(好)。这两个试验都可以从 study.best_trials 返回。