树提升模型的超参数选择：SMAC 方法在多种优化算法对比中表现最优

SMAC 方法在树提升模型的超参数优化中平均性能优于随机搜索、TPE 等 5 种主流算法。 研究基于 59 个回归和分类数据集，发现通常需要超过 100 次试验才能准确调优，且默认参数会导致模型精度大幅下降。 对于无法承担大量人工试错的场景，SMAC 在固定预算下提供了更稳定的模型精度。