BayesianParameterSampling Klasa
Definiuje próbkowanie bayesowskie na hiperparametrowej przestrzeni wyszukiwania.
Próbkowanie bayesowskie próbuje inteligentnie wybrać następną próbkę hiperparametrów w oparciu o sposób wykonania poprzednich próbek, tak aby nowa próbka poprawiała zgłoszoną metryę podstawową.
Zainicjuj algorytm BayesianParameterSampling.
Konstruktor
BayesianParameterSampling(parameter_space, properties=None)Parametry
| Nazwa | Opis |
|---|---|
|
parameter_space
Wymagane
|
|
|
parameter_space
Wymagane
|
Słownik zawierający każdy parametr i jego rozkład. Klucz słownika jest nazwą parametru. Należy pamiętać, że tylko wybór, quniform i uniform są obsługiwane w przypadku optymalizacji Bayesa. |
|
properties
|
Domyślna wartość: None
|
Uwagi
Należy pamiętać, że w przypadku korzystania z próbkowania bayesańskiego liczba współbieżnych przebiegów ma wpływ na skuteczność procesu dostrajania. Zazwyczaj mniejsza liczba współbieżnych przebiegów prowadzi do lepszej zbieżności próbkowania. Wynika to z faktu, że niektóre uruchomienia są uruchamiane bez pełnego korzystania z przebiegów, które są nadal uruchomione.
Uwaga
Próbkowanie bayesowskie nie obsługuje zasad wczesnego kończenia. W przypadku korzystania z próbkowania parametrów Bayesian użyj opcji NoTerminationPolicy, ustaw zasady wczesnego zakończenia na Wartość Brak lub pozostaw parametr early_termination_policy.
Aby uzyskać więcej informacji na temat korzystania z próbkowania BayesianParameter, zobacz samouczek Dostrajanie hiperparametrów dla modelu.
Atrybuty
SAMPLING_NAME
SAMPLING_NAME = 'BayesianOptimization'