BayesianParameterSampling Classe
Define a amostragem bayesiana em um espaço de pesquisa de hiperparâmetros.
A amostragem bayesiana tenta escolher de forma inteligente a próxima amostra de hiperparâmetros, com base no desempenho das amostras anteriores, de modo que a nova amostra melhore a métrica primária relatada.
Inicialize BayesianParameterSampling.
Construtor
BayesianParameterSampling(parameter_space, properties=None)Parâmetros
| Name | Description |
|---|---|
|
parameter_space
Necessário
|
|
|
parameter_space
Necessário
|
Um dicionário contendo cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro. Observe que apenas escolha, quniform e uniforme são suportados para otimização bayesiana. |
|
properties
|
Default value: None
|
Observações
Observe que, ao usar a amostragem bayesiana, o número de execuções simultâneas tem um impacto na eficácia do processo de ajuste. Normalmente, um número menor de execuções simultâneas leva a uma melhor convergência de amostragem. Isso porque algumas corridas começam sem se beneficiar totalmente das corridas que ainda estão em execução.
Observação
A amostragem bayesiana não suporta políticas de rescisão antecipada. Ao usar a amostragem de parâmetros Bayesianos, use NoTerminationPolicy, defina a política de rescisão antecipada como Nenhum ou deixe de lado o parâmetro early_termination_policy.
Para obter mais informações sobre como usar BayesianParameter sampling, consulte o tutorial Tune hyperparameters for your model.
Atributos
SAMPLING_NAME
SAMPLING_NAME = 'BayesianOptimization'