我有一个两类预测模型；它具有n可配置的（数字）参数。如果您正确调整这些参数，该模型可以很好地工作，但很难找到这些参数的具体值。我为此使用了网格搜索（例如，m为每个参数提供值）。这会产生m ^ n学习时间，即使在具有 24 个内核的机器上并行运行也是非常耗时的。

我尝试修复除一个之外的所有参数并仅更改一个参数（产生m × n时间），但对我来说如何处理我得到的结果并不明显。这是负（红色）和正（蓝色）样本的精度（三角形）和召回率（点）的示例图：

简单地采用这种方式获得的每个参数的“获胜者”值并将它们组合起来并不会产生最好的（甚至是好的）预测结果。我考虑过以精度/召回率作为因变量在参数集上构建回归，但我认为超过 5 个自变量的回归不会比网格搜索场景快得多。

你会建议什么来找到好的参数值，但有合理的估计时间？