一种学习模型算法中超参数的优化方法、装置及存储介质

本发明涉及一种学习模型算法中超参数的优化方法、装置及存储介质，应用于模型调优技术领域，包括：获取超参数的默认初始范围，根据初始范围确定关键超参数，对初始范围进行数据扩展得到第一数据区间，按照关键超参数的重要度进行迭代调优，获取关键超参数在第一数据区间的训练分数，根据训练分数获取第一分割阈值，通过第一分割阈值对第一数据区间进行第一次缩小得到第二数据区间，再对第二数据区间进行平均训练分数的比较，得到第三数据区间，实现范围的第二次缩小；通过二次缩小后的范围实现超参数最优变量组合的搜索，由于在缩小过程中，始终以训练分数为缩小的依据，因此本申请不但能够减少计算时间，还能保证最终计算结果的精度。