optuna.integration

The integration 模块包含用于将 Optuna 与外部机器学习框架集成的类。

备注

Optuna 的第三方库集成模块已开始从 Optuna 本身迁移到一个名为 optuna-integration 的包。请查看仓库和文档。

对于Optuna支持的大多数机器学习框架，相应的Optuna集成类仅用于实现一个回调对象和函数，这些对象和函数符合框架特定的回调API，并在模型训练的每个中间步骤中被调用。这些回调在不同机器学习框架中实现的功能包括：

使用 optuna.trial.Trial.report() 将中间模型分数报告回 Optuna 试验。
根据 optuna.trial.Trial.should_prune() 的结果，通过引发 optuna.TrialPruned() 来修剪当前模型，并且
将Optuna的中间数据（如当前试验编号）报告回框架，如在 MLflowCallback 中所做的那样。

对于 scikit-learn，提供了一个集成的 OptunaSearchCV 估计器，它结合了 scikit-learn BaseEstimator 功能，并可以访问类级别的 Study 对象。

每个集成的依赖项

我们总结了每个集成的必要依赖项。

集成	依赖项
AllenNLP	allennlp, torch, psutil, jsonnet
BoTorch	botorch, gpytorch, torch
CatBoost	catboost
ChainerMN	chainermn
Chainer	chainer
pycma	cma
Dask	分布式
FastAI	fastai
Keras	keras
LightGBMTuner	lightgbm, scikit-learn
LightGBMPruningCallback	lightgbm
MLflow	mlflow
MXNet	mxnet
PyTorch Distributed	torch
PyTorch (Ignite)	pytorch-ignite
PyTorch (Lightning)	pytorch-lightning
SHAP	scikit-learn, shap
Scikit-learn	pandas, scipy, scikit-learn
SKorch	skorch
TensorBoard	tensorboard, tensorflow
TensorFlow	tensorflow, tensorflow-estimator
TensorFlow + Keras	tensorflow
Weights & Biases	wandb
XGBoost	xgboost