我们在搜索超参数的时候，如果超参数个数较少（三四个或者更少），那么我们可以采用网格搜素，一种穷尽式的搜索方法。

但是当超参数个数比较多的时候，我们仍然采用网格搜索，那么搜索所需时间将会指数级上升。

比如我们有四个超参数，每个范围都是[10,100]，那么我们所需的搜索次数是10*10*10*10=10^4。

如果再增加一个超参数，那么所需的搜索次数是10^5，搜索时间指数级上升。

 

所以很多很多个超参数的情况，假如我们仍然采用网格搜索，那么……gg，算到天荒地老就不一定有结果。

所以出现了这样的做法，网格搜索，但是网格取稀疏一点，比如上面例子中的[10,100]，我们就去10,30,50,70,90这几个数，降低一下搜索次数。

这样变快了一点，但是有可能找到的超参数不是全局最小。

 

所以又有人提出了随机搜索的方法，随机在超参数空间中搜索几十几百个点，其中就有可能会有比较小的值。

这种做法比上面稀疏化网格的做法快，而且实验证明，随机搜索法结果比稀疏化网格法稍好。

 

笔者刚刚在寻找资料的时候，还看到了一种做法，批量化随机搜索法。具体做法如下：

假设我们要找25个点，那么我们把这25个分成5个批次，每个批次5个点。

我们做第一个批次的时候，假设超参数范围是[0,100]，我们有1个超参数（容易理解），那么我们把这个范围切分为[0,20],[20,40],[40,60],[60,80],[80,100]。

也就是把范围平均切分为5份，我们在每一份之中随机找到一个点，最终可以找到5个点，我们再找到里面的最小点。

接着，在第二个批次之中，我们在找到的最小点附近，再找5个随机点，在这5个随机点之中得到最小点。

接着，在第三个批次之中，重复同样的操作。

这样可以保证我们找到一个局部最小值点，结果可能会比随机搜索稍好一点。

当然，如果随机搜索直接得到更好的局部最小值，甚至全局最小值，那么……只能说你的运气爆表了。

这种批次随机寻找的方法，基本上可以说优于稀疏化网格法，但不一定优于随机搜索法。

 

参考资料：

1、笔者刚刚提到的批次随机搜索法的来源：

2、知乎关于这部分知识的一些问答：