parameter_expressions Modul
Definiert Funktionen, die in HyperDrive verwendet werden können, um einen Hyperparameter-Suchbereich zu beschreiben.
Diese Funktionen werden verwendet, um verschiedene Arten von Hyperparameterverteilungen anzugeben. Die Verteilungen werden definiert, wenn Sie das Sampling für einen Hyperparameter-Aufräumen konfigurieren. Wenn Sie z. B. die RandomParameterSampling Klasse verwenden, können Sie eine Stichprobe aus einer Reihe von diskreten Werten oder einer Verteilung fortlaufender Werte auswählen. In diesem Fall können Sie die choice Funktion verwenden, um eine diskrete Gruppe von Werten und uniform Funktionen zu generieren, um eine Verteilung fortlaufender Werte zu generieren.
Beispiele für die Verwendung dieser Funktionen finden Sie im Lernprogramm: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.
Functions
choice
lognormal
Geben Sie einen Wert an, der gemäß exp(normal(mu, sigma)) gezeichnet wird.
Der Logarithmus des Rückgabewerts wird normalerweise verteilt. Bei der Optimierung ist diese Variable auf positive Ergebnisse beschränkt.
lognormal(mu, sigma)Parameter
| Name | Beschreibung |
|---|---|
|
mu
Erforderlich
|
Der Mittelwert der Normalverteilung. |
|
sigma
Erforderlich
|
Die Standardabweichung der Normalverteilung. |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
loguniform
Geben Sie eine einheitliche Protokollverteilung an.
Ein Wert wird gemäß exp(uniform(min_value, max_value)) gezeichnet, sodass der Logarithmus des Rückgabewerts einheitlich verteilt wird. Bei der Optimierung wird diese Variable auf das Intervall [exp(min_value), exp(max_value)] beschränkt.
loguniform(min_value, max_value)Parameter
| Name | Beschreibung |
|---|---|
|
min_value
Erforderlich
|
Der Mindestwert im Bereich ist exp(min_value)(einschließlich). |
|
max_value
Erforderlich
|
Der Maximalwert im Bereich ist exp(max_value) (einschließlich). |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
normal
Geben Sie einen realen Wert an, der normal verteilt ist, mit mittlerem Mu und Standardabweichung Sigma.
Bei der Optimierung handelt es sich um eine nicht eingeschränkte Variable.
normal(mu, sigma)Parameter
| Name | Beschreibung |
|---|---|
|
mu
Erforderlich
|
Der Mittelwert der Normalverteilung. |
|
sigma
Erforderlich
|
die Standardabweichung der Normalverteilung. |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
qlognormal
Geben Sie einen Wert wie round(exp(normal(mu, sigma)) / q) * q an.
Geeignet für eine diskrete Variable in Bezug auf das Ziel glatt ist und mit der Größe der Variablen, die von einer Seite begrenzt ist, glatter wird.
qlognormal(mu, sigma, q)Parameter
| Name | Beschreibung |
|---|---|
|
mu
Erforderlich
|
Der Mittelwert der Normalverteilung. |
|
sigma
Erforderlich
|
Die Standardabweichung der Normalverteilung. |
|
q
Erforderlich
|
Der Glättungsfaktor. |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
qloguniform
Geben Sie eine einheitliche Verteilung des Formulars round(exp(min_value, max_value) / q) * q an.
Dies eignet sich für eine diskrete Variable in Bezug darauf, auf die das Ziel "glatt" ist, und wird mit der Größe des Werts glatter, aber das sollte sowohl über als auch unten begrenzt werden.
qloguniform(min_value, max_value, q)Parameter
| Name | Beschreibung |
|---|---|
|
min_value
Erforderlich
|
Der Mindestwert im Bereich (einschließlich). |
|
max_value
Erforderlich
|
Der Höchstwert im Bereich (einschließlich). |
|
q
Erforderlich
|
Der Glättungsfaktor. |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
qnormal
Geben Sie einen Wert wie round(normal(mu, sigma) / q) * q an.
Geeignet für eine diskrete Variable, die wahrscheinlich einen Wert um mu nimmt, aber grundsätzlich ungebunden ist.
qnormal(mu, sigma, q)Parameter
| Name | Beschreibung |
|---|---|
|
mu
Erforderlich
|
Der Mittelwert der Normalverteilung. |
|
sigma
Erforderlich
|
Die Standardabweichung der Normalverteilung. |
|
q
Erforderlich
|
Der Glättungsfaktor. |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
quniform
Geben Sie eine einheitliche Verteilung des Formulars round(uniform(min_value, max_value) / q) * q an.
Dies eignet sich für einen diskreten Wert in Bezug auf den das Ziel immer noch etwas "glatt" ist, die jedoch sowohl über als auch unten begrenzt werden sollte.
quniform(min_value, max_value, q)Parameter
| Name | Beschreibung |
|---|---|
|
min_value
Erforderlich
|
Der Mindestwert im Bereich (einschließlich). |
|
max_value
Erforderlich
|
Der Höchstwert im Bereich (einschließlich). |
|
q
Erforderlich
|
Der Glättungsfaktor. |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
randint
Geben Sie einen Satz zufälliger ganzzahliger Zahlen im Bereich [0, oben) an.
Die Semantik dieser Verteilung besteht darin, dass es keine Korrelation mehr in der Verlustfunktion zwischen ganzzahligen Werten in der Nähe gibt, im Vergleich zu entfernten ganzzahligen Werten. Dies ist eine geeignete Verteilung für die Beschreibung zufälliger Samen, z. B. Wenn die Verlustfunktion wahrscheinlich für ganzzahlige Werte in der Nähe korreliert ist, sollten Sie wahrscheinlich eine der "quantisierten" fortlaufenden Verteilungen verwenden, z. B. Quniform, qloguniform, qnormal oder qlognormal.
randint(upper)Parameter
| Name | Beschreibung |
|---|---|
|
upper
Erforderlich
|
Die exklusive Obergrenze für den Bereich ganzer Zahlen. |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |
uniform
Geben Sie eine einheitliche Verteilung an, aus der Proben entnommen werden.
uniform(min_value, max_value)Parameter
| Name | Beschreibung |
|---|---|
|
min_value
Erforderlich
|
Der Mindestwert im Bereich (einschließlich). |
|
max_value
Erforderlich
|
Der Höchstwert im Bereich (einschließlich). |
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der stochastische Ausdruck. |