Публикации по теме hyperparameter-tuning

Публикации по теме 'hyperparameter-tuning'

Альтернативные методы оптимизации гиперпараметров, которые вам необходимо знать - Часть 1

Методы гиперпараметрической оптимизации. Альтернативные методы оптимизации гиперпараметров, которые вам необходимо знать - Часть 1 Различные подходы к настройке моделей машинного обучения для повышения производительности. При работе над проектом машинного обучения вам необходимо выполнить ряд шагов, пока вы не достигнете своей цели, один из шагов, которые вы должны выполнить, - это оптимизация гиперпараметров для выбранной модели. Эта задача всегда возникает после процесса выбора..

Логистическая регрессия

Логистическую регрессию можно рассматривать как расширение линейной регрессии. Он в основном предназначен для дискретных или непрерывных результатов. Это своего рода метод классификации. Хотя слово имеет название линейной регрессии. Это простой и элегантный алгоритм. Целью логистической регрессии является классификация. Логистическая регрессия может управляться геометрически, с помощью вероятности и функции потерь. Это один из наиболее широко используемых алгоритмов классификации. Его..

Настройка гиперпараметров с помощью Keras и Ray Tune

Использование байесовской оптимизации HyperOpt с планировщиком HyperBand для выбора лучших гиперпараметров для моделей машинного обучения В моей предыдущей статье я объяснил, как создать небольшой и гибкий классификатор изображений и каковы преимущества наличия переменных входных размеров в сверточной нейронной сети. Однако после изучения кода построения модели и процедуры обучения можно задать такие вопросы, как: Как выбрать количество слоев в нейронной сети? Как выбрать..

Как улучшить гиперпараметрическую оптимизацию машинного обучения

НАЧАТЬ РУКОВОДСТВО Как оптимизировать гиперпараметры машинного обучения Методы оптимизации моделей играют очень важную роль в области машинного обучения. Эти методы оптимизации также используются для настройки гиперпараметров, что приводит к более эффективным моделям машинного обучения для данного набора данных. В этой статье показаны различные способы настройки гиперпараметров моделей машинного обучения в Python. Предыдущая статья была о поиске наиболее эффективного..

Настройка гиперпараметров XGBoost с помощью Scikit Optimize

XGBoost больше не является экзотической моделью, которую могли бы понять и использовать немногие избранные. Он стал эталоном для сравнения во многих сценариях. Интерес к XGBoost также резко возрос за три с половиной года с момента публикации статьи , впервые предлагающей алгоритм. Тенденции Google показывают, что интерес к XGBoost в настоящее время находится на рекордно высоком уровне. В чем проблема? Теперь, хотя XGBoost приобрел популярность в последние несколько лет,..

Поиск подходящей архитектуры для нейронной сети

Эта запись в блоге является продолжением моей предыдущей публикации о том, как использовать LSTM для прогнозирования цены акции на основе ее исторических данных. Мы видели, как скомпилировать модель Keras LSTM. Здесь мы увидим некоторые способы, с помощью которых мы можем найти правильную архитектуру и гиперпараметры. Вот некоторые из наших вариантов: Ручная настройка или ручной поиск - это наиболее болезненный метод поиска правильной конфигурации, при котором вы пробуете..

Как настроить количество эпох и размер batch_size в Керас-тюнере?

📝Советы и хитрости в Керасе Как настроить количество эпох и размер batch_size в Керас-тюнере? Предупреждение : Здесь нет магической формулы или Святого Грааля, хотя новый мир может открыть вам дверь. 📈Python для финансов Выявление выбросов Выявление выбросов - Часть вторая Выявление выбросов - Часть третья Стилизованные факты Разработка функций и выбор функций Преобразование данных Дробно дифференцированные признаки Маркировка данных Это можно..