我正在研究一种混合模型,该模型在全连接层结合使用 CNN(时间序列输入)和 H2oRandom 森林(表格数据输入)来解决回归问题。我想优化CNN和RF的超参数。我想到的唯一方法就是分别优化两个模型,然后在FC层将它们组合起来以获得输出。我将 RandomSeach Keras Tuner 用于 CNN,将 Grid RandomSearch 用于 H2O 随机森林超参数。
我不确定单独优化模型是否是提高模型性能的最有效方法。是否有不同的方法来优化混合模型?如果有更好的方法请告诉我。
查看此页面:https://www.tensorflow.org/decision_forests/tutorials/model_composition_colab
它结合了 CNN 和决策森林,就像你正在尝试做的那样。
如果他们没有网格搜索,您只需多次运行链接模型即可。每次您将使用不同的超参数设置。