Process / pipeline

אופטימיזציה בייסיאנית — כוונון היפרפרמטרים סדרתי מבוסס-מודל

אופטימיזציה בייסיאנית היא אסטרטגיה סדרתית, מבוססת-מודל, למציאת האופטימום של פונקציות יקרות מסוג 'קופסה שחורה' במספר הערכות מינימלי. מושרשת בעבודתו של Mockus (1975) והובאה לפרקטיקה המרכזית של למידת מכונה על ידי Snoek, Larochelle, ו-Adams (2012), היא מתאימה מודל חלופי הסתברותי — בדרך כלל תהליך גאוסי — לתצפיות קודמות ומשתמשת בפונקציית רכישה כדי להחליט היכן לחקור הלאה, תוך איזון בין חקירה של אזורים לא ידועים לניצול של אזורים מבטיחים.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

+9 more

מקורות

  1. Snoek, J., Larochelle, H., & Adams, R.P. (2012). Practical Bayesian Optimization of Machine Learning Algorithms. Advances in Neural Information Processing Systems (NeurIPS), 25. link
  2. Frazier, P.I. (2018). A Tutorial on Bayesian Optimization. arXiv:1807.02811. link

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateBayesian Optimization (Bayesian Optimization (Hyperparameter Tuning)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/optimization/bayesian-optimization · מערך נתונים: https://doi.org/10.5281/zenodo.20539026