BayesianParameterSampling Klasse
Definiert Bayesian Sampling über einen Hyperparameter-Suchbereich.
Bayesian Sampling versucht, die nächste Stichprobe von Hyperparametern intelligent zu wählen, basierend auf der Art und Weise, wie die vorherigen Proben durchgeführt wurden, so dass die neue Stichprobe die gemeldete primäre Metrik verbessert.
Initialisieren Sie BayesianParameterSampling.
Konstruktor
BayesianParameterSampling(parameter_space, properties=None)Parameter
| Name | Beschreibung |
|---|---|
|
parameter_space
Erforderlich
|
|
|
parameter_space
Erforderlich
|
Ein Wörterbuch, das jeden Parameter und seine Verteilung enthält. Der Wörterbuchschlüssel ist der Name des Parameters. Beachten Sie, dass nur Auswahl, Quniform und Uniform für die Bayesian-Optimierung unterstützt werden. |
|
properties
|
Standardwert: None
|
Hinweise
Beachten Sie, dass die Anzahl der gleichzeitigen Ausführungen bei Der Verwendung von Bayesian Sampling auswirkungen auf die Effektivität des Optimierungsprozesses hat. In der Regel führt eine kleinere Anzahl gleichzeitiger Läufe zu einer besseren Samplingkonvergenz. Der Grund dafür ist, dass einige Ausführungen gestartet werden, ohne vollständig von Ausgeführten zu profitieren, die noch ausgeführt werden.
Hinweis
Bayesian Sampling unterstützt keine Richtlinien für vorzeitige Beendigungen. Wenn Sie Bayesian-Parametersampling verwenden, die NoTerminationPolicyRichtlinie für die vorzeitige Beendigung auf "None" festlegen oder den early_termination_policy-Parameter verlassen.
Weitere Informationen zur Verwendung des BayesianParameter-Samplings finden Sie im Lernprogramm Tune hyperparameters für Ihr Modell.
Attribute
SAMPLING_NAME
SAMPLING_NAME = 'BayesianOptimization'