Байесовска оптимизация — Последователно базирано на модел настройване на хиперпараметри
Байесовската оптимизация е последователна, базирана на модел стратегия за намиране на оптимума на скъпи черни кутии функции с възможно най-малко оценки. Основана на работата на Mockus (1975) и въведена в практиката на машинното обучение от Snoek, Larochelle и Adams (2012), тя приспособява вероятностен сурогатен модел — обикновено Гаусов процес — към минали наблюдения и използва функция за придобиване, за да реши къде да сондира след това, балансирайки изследването на непознати области с експлоатацията на обещаващи такива.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Източници
Как да цитирате тази страница
ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/bg/optimization/bayesian-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Търсене на невронни архитектуриДълбоко обучение↔ compare
- Стохастична оптимизацияОптимизация↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →