混合模型（CNN + RF）超参数优化

Question

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。

Answer 1

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。