我正在尝试使用Spearmint，这是一个贝叶斯优化库，来调整机器学习分类器的超参数。我的问题是如何表达不遵循均匀分布的参数搜索空间？

从项目GitHub页面上，这里有一个如何设置两个均匀分布的参数搜索空间的例子：

"variables": {    "X": {        "type": "FLOAT",        "size": 1,        "min":  -5,        "max":  10    },    "Y": {        "type": "FLOAT",        "size": 1,        "min":  0,        "max":  15    }}

我们如何在Spearmint中定义如下所示的搜索空间？

SVC_PARAMS = [    {        "bounds": {            "max": 10.0,            "min": 0.01,        },        "name": "C",        "type": "double",        "transformation": "log",    },    {        "bounds": {            "max": 1.0,            "min": 0.0001,        },        "name": "gamma",        "type": "double",        "transformation": "log",    },    {        "type": "categorical",        "name": "kernel",        "categorical_values": [            {"name": "rbf"},            {"name": "poly"},            {"name": "sigmoid"},        ],    },]

Spearmint当前支持的所有随机表达式（如uniform、normal、log等）可以在哪里查找？

回答：

Spearmint会从数据中自动学习这些类型的变换。如果你查看这里：https://github.com/HIPS/Spearmint/tree/master/spearmint/transformations，你可以看到应用的beta变换的实现（详细说明见此论文：http://arxiv.org/abs/1402.0929）。Spearmint没有办法预先指定这些变换，但你可以让Spearmint操作例如参数的对数（通过提供参数范围的对数，并在你这边进行指数运算）。