如何将Keras-Tuner的调参结果保存为Pandas DataFrame？

当然可以直接获取调参结果并转为DataFrame，不用依赖results_summary()的打印内容，也不用遍历保存文件。以下是具体实现：

核心思路 #

Keras-Tuner的优化器对象（比如你用的BayesianOptimization）内置了可直接调用的属性和方法，optimizer.trials能获取所有试验的完整数据，我们可以从中提取超参数、指标分数等信息，直接构造DataFrame。

完整实现代码 #

import pandas as pd

# 完成搜索后，遍历所有试验提取数据
trials_data = []
for trial in optimizer.trials:
    # 提取超参键值对
    hyperparams = trial.hyperparameters.values
    # 提取试验的目标指标值（比如你设置的val_loss）
    score = trial.score
    # 提取试验状态（是否成功完成）
    status = trial.status
    
    # 组合成字典
    trial_dict = {"score": score, "status": status}
    trial_dict.update(hyperparams)
    trials_data.append(trial_dict)

# 转为Pandas DataFrame
results_df = pd.DataFrame(trials_data)

# 按目标指标排序（如果是val_loss则升序，val_accuracy则改为ascending=False）
results_df = results_df.sort_values(by="score", ascending=True)

# 查看结果
print(results_df)

仅提取最优N个试验的方法 #

如果只需要像results_summary()那样展示最优的几个结果，可以用get_best_hyperparameters()筛选后再构造DataFrame：

best_hps = optimizer.get_best_hyperparameters(num_trials=5)
best_data = []
for hp in best_hps:
    # 通过trial_id匹配对应试验的分数
    trial = optimizer.trials[hp.trial_id]
    best_data.append({**hp.values, "score": trial.score})

best_df = pd.DataFrame(best_data)

补充说明 #

你之前遇到的results_summary()返回None是因为这个方法仅负责打印内容，不返回数据；optimizer.search()也不会返回结果，所有调参数据都存在优化器实例本身中，直接从实例提取即可。

内容的提问来源于stack exchange，提问作者Enes