Compartilhar via

BayesianParameterSampling Classe

Define a amostragem bayesiana em um espaço de pesquisa de hiperparâmetro.

A amostragem bayesiana tenta escolher de forma inteligente a próxima amostra de hiperparâmetros, com base no desempenho dos exemplos anteriores, de modo que o novo exemplo melhore a métrica primária relatada.

Inicialize BayesianParameterSampling.

Construtor

BayesianParameterSampling(parameter_space, properties=None)

Parâmetros

Nome Description
parameter_space
Obrigatório
dict

Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro. Observe que somente choice, quniforme uniform são compatíveis com a otimização bayesiana.
parameter_space
Obrigatório
dict

Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro. Observe que há suporte apenas para opções, quniformes e uniformes para otimização bayesiana.
properties
Valor padrão: None

Comentários

Observe que, ao usar a amostragem bayesiana, o número de execuções simultâneas afeta a eficácia do processo de ajuste. Normalmente, um número menor de execuções simultâneas leva a uma melhor convergência de amostragem. Isso ocorre porque algumas execuções começam sem se beneficiar totalmente de execuções que ainda estão em execução.

Observação

A amostragem bayesiana não dá suporte a políticas de término antecipado. Ao usar a amostragem de parâmetro bayesiano, use NoTerminationPolicy, defina a política de terminação antecipada como None ou deixe de fora o parâmetro early_termination_policy.

Para obter mais informações sobre como usar a amostragem bayesianParameter, consulte o tutorial Ajustar hiperparâmetros para seu modelo.

Atributos

SAMPLING_NAME 

SAMPLING_NAME = 'BayesianOptimization'