本文介绍了一种利用标准频率回归模型预测部分训练模型配置性能的方法，并证明其在视觉分类和语言建模领域有效。同时提出了早期停止方法，加速模型配置优化过程，可无缝集成于强化学习和基于贝叶斯思想的搜索方法中。

本文提出了一种利用标准频率回归模型通过网络架构、超参数和时间序列验证性能数据来预测部分训练模型配置的最终性能的方法，并证明该方法在视觉分类和语言建模领域中是有效的。同时，我们提出了一种早期停止方法，可用于超参数优化和元模建模，加速了模型配置的优化过程，该方法在强化学习-based架构选择算法和基于贝叶斯思想的搜索方法中均可无缝集成。