Публикации по теме 'hyperparameter-tuning'
Наборы для обучения, проверки и тестирования в машинном обучении
Как вы должны разделить свои данные для вашего проекта ML?
Обучающий набор
Мы используем этот образец, чтобы подогнать модель Модель машинного обучения видит и извлекает уроки из этих данных. Аналогия: учитель учит студентов решать длинные деления.
Проверочный набор
Используется для оценки соответствия модели и настройки гиперпараметров модели . Становится предвзятой оценкой, поскольку модель неоднократно видит эти данные и настраивает модель на основе этих данных...
Поиск гиперпараметров: методы выбора наиболее оптимального набора
Часть 1
Мне задавали несколько вопросов о поиске по гиперпараметрам во многих интервью о машинном обучении за последние несколько лет. Итак, я решил собрать в одном месте сообщение в блоге обо всей информации, которую я собрал по этой теме из разных источников, а также о моем понимании о них. Поиск правильного набора гиперпараметров для достижения оптимальной производительности модели машинного обучения, вероятно, является наиболее важным шагом на этапах обучения и вывода. За..
Настройка гиперпараметров - всегда настраивайте свои модели
Практические руководства
Настройка гиперпараметров - всегда настраивайте свои модели
Не оставляйте на столе свободный прирост производительности.
Обзор TLDR
Поиск по сетке - Исчерпывающий и дорогостоящий в вычислительном отношении, используется, когда пространство поиска гиперпараметров ограничено. Случайный поиск - модели с увеличенным пространством поиска улучшены по сравнению с поиском по сетке, методом перехода, встроенным в scikit-learn. Байесовская оптимизация -..
Настройка модели с помощью байесовской оптимизации на платформе Google AI
РУКОВОДСТВА ПО GOOGLE ML
Настройка модели с помощью байесовской оптимизации на платформе Google AI
Как найти лучшие гиперпараметры для вашей модели машинного обучения с помощью сервисов Google Cloud
В этой статье из серии Учебники по Google ML мы поговорим о том, как использовать встроенный инструмент AI Platform для настройки гиперпараметров вашей модели машинного обучения! Мы будем использовать метод под названием Байесовская оптимизация , чтобы перемещаться по пространству..
В машинном обучении (ML) есть много терминов и понятий, и многие из них могут не использоваться…
Параметры модели против гиперпараметров
В машинном обучении ( ML ) существует множество терминов и понятий, многие из которых могут использоваться непоследовательно. Когда вы начнете изучать искусственный интеллект, вы столкнетесь с таким количеством концепций. В этой статье я попытаюсь объяснить некоторые из этих понятий простым способом.
Если вы похожи на меня, вам нравятся простые и прямые объяснения. Имея это в виду, я объясню два типа параметров в ML , а затем дам четкое..
Оптимизация гиперпараметров с использованием развертки с W&B
Гиперпараметры играют решающую роль в определении производительности модели машинного обучения. В этом посте мы поговорим о поиске в пространстве гиперпараметров и поиске оптимальной модели с помощью разверток из Weights & Biases.
Некоторые люди используют параметры и гиперпараметры как синонимы. Прежде чем мы начнем, важно явно указать на разницу между ними:
Параметры явно не указаны разработчиком. Вместо этого они аппроксимируются и изучаются с помощью модели машинного..
Поиск гиперпараметров: байесовская оптимизация
В предыдущем посте я рассмотрел три метода поиска гиперпараметров, а именно метод проб ошибок, поиск по сетке и случайный поиск. Этот пост будет посвящен четвертому методу - байесовской оптимизации. Прежде чем мы обсудим, как байесовская оптимизация используется для эффективного и действенного поиска гиперпараметров, нам необходимо кратко осветить основы байесовской статистики.
1 - Байесовская статистика
Это математическая процедура, которая использует вероятности для решения..
