Bayesi optimeerimine – järjestikune mudelipõhine hüperparameetrite häälestamine
Bayesi optimeerimine on järjestikune, mudelipõhine strateegia kallite musta kasti funktsioonide optimumi leidmiseks võimalikult väheste hindamiste abil. See meetod, mille juured on Mockuse (1975) töös ja mille tõid masinõppe peavoolu Snoek, Larochelle ja Adams (2012), sobitab varasematele vaatlustele tõenäosusliku surrogaatmudeli – tavaliselt Gaussi protsessi – ja kasutab omandamisfunktsiooni, et otsustada, kuhu järgmisena sondeerida, tasakaalustades tundmatute piirkondade uurimist paljutõotavate piirkondade ärakasutamisega.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Allikad
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/et/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.
- Neuraalarhitektuuri otsingSüvaõpe↔ compare
- Stohhastiline optimeerimineOptimeerimine↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →