vw-hypersearch 是Vowpal Wabbit的一个包装器，旨在优化vw模型中的超参数：正则化率、学习率和衰减、小批量、引导样本大小等。在教程中，vw-hypersearch提供了一个如下示例：
vw-hypersearch 1e-10 5e-4 vw --l1 % train.dat这里的%表示要优化的参数，1e-10 5e-4是搜索区间的下限和上限。该库使用黄金分割搜索方法来最小化迭代次数。
但是，如果我想搜索多个超参数呢？从像这个 github讨论中，我得到一个提示，可能在vw中没有实现多维搜索方法。因此，唯一的出路是编写自己的特定任务优化器。我的理解正确吗？
回答：
现在可以使用位于存储库/vowpal_wabbit/utl/中的模块vw-hyperopt.py来实现这一点。
请查看我的拉取请求：https://github.com/JohnLangford/vowpal_wabbit/pull/867
在不久的将来，这将得到更好的文档说明。
