BayesianParameterSampling Classe
Définit l’échantillonnage bayésien sur un espace de recherche hyperparamètre.
L’échantillonnage bayésien tente de choisir intelligemment l’échantillon suivant d’hyperparamètres, en fonction de la façon dont les échantillons précédents ont effectué, de sorte que le nouvel échantillon améliore la métrique principale signalée.
Initialiser BayesianParameterSampling.
Constructeur
BayesianParameterSampling(parameter_space, properties=None)Paramètres
| Nom | Description |
|---|---|
|
parameter_space
Obligatoire
|
|
|
parameter_space
Obligatoire
|
Dictionnaire contenant chaque paramètre et sa distribution. La clé de dictionnaire est le nom du paramètre. Notez que seul le choix, le quniforme et l’uniforme sont pris en charge pour l’optimisation bayésienne. |
|
properties
|
Valeur par défaut: None
|
Remarques
Notez que lors de l’utilisation de l’échantillonnage bayésien, le nombre d’exécutions simultanées a un impact sur l’efficacité du processus de réglage. En règle générale, un plus petit nombre d’exécutions simultanées entraîne une meilleure convergence d’échantillonnage. Cela est dû au fait que certaines exécutions démarrent sans tirer pleinement parti des exécutions qui sont toujours en cours d’exécution.
Remarque
L’échantillonnage bayésien ne prend pas en charge les stratégies d’arrêt anticipé. Lorsque vous utilisez l’échantillonnage des paramètres bayésiens, utilisez NoTerminationPolicy, définissez la stratégie d’arrêt anticipé sur None ou laissez le paramètre early_termination_policy.
Pour plus d’informations sur l’utilisation de l’échantillonnage BayesianParameter, consultez le tutoriel Ajuster les hyperparamètres pour votre modèle.
Attributs
SAMPLING_NAME
SAMPLING_NAME = 'BayesianOptimization'