Hyperparameter Optimization using Tree-Structured Parzen Estimators
Autor/Urheber:
Attribution:
Das Bild ist mit 'Attribution Required' markiert, aber es wurden keine Informationen über die Attribution bereitgestellt. Vermutlich wurde bei Verwendung des MediaWiki-Templates für die CC-BY Lizenzen der Parameter für die Attribution weggelassen. Autoren und Urheber finden für die korrekte Verwendung der Templates hier ein Beispiel.
Shortlink:
Quelle:
Größe:
540 x 360 Pixel (75721 Bytes)
Beschreibung:
Bei der Hyperparameteroptimierung mit Tree-Structured Parzen Estimators (TPE) wird ein Modell über die Beziehung zwischen Hyperparametern und gemessener Performance des zu optimierenden Maschinelles-Lernen-Modells angelegt, um Bereiche mit einer guten Performance näher zu untersuchen und weiterhin andere Bereiche des Suchraums zu explorieren. Wie das Beispiel zeigt, befinden sich die meisten der 100 Versuche in der Nähe der tatsächlich besten Performance (blau). Im Gegensatz zur Raster- und zur Zufallssuche wird das Optimum wesentlich genauer gefunden und eine vergleichbare Performance in weniger Versuchen erreicht.
Lizenz:
Bild teilen:
Relevante Bilder
Relevante Artikel
HyperparameteroptimierungIm Bereich des maschinellen Lernens bezeichnet Hyperparameteroptimierung die Suche nach optimalen Hyperparametern. Ein Hyperparameter ist ein Parameter, der zur Steuerung des Trainingsalgorithmus verwendet wird und dessen Wert im Gegensatz zu anderen Parametern vor dem eigentlichen Training des Modells festgelegt werden muss. .. weiterlesen