Bayes-optimalizálás — Szekvenciális, modellalapú hiperparaméter-hangolás
A Bayes-optimalizálás egy szekvenciális, modellalapú stratégia drága, fekete doboz függvények optimumának megtalálására, a lehető legkevesebb kiértékeléssel. Gyökerei Mockus (1975) munkásságában keresendők, és Snoek, Larochelle és Adams (2012) vezette be a gépi tanulás szélesebb körű gyakorlatába. Lényege, hogy egy valószínűségi szurrogátum modellt – jellemzően egy Gauss-folyamatot – illeszt a korábbi megfigyelésekhez, és egy akvizíciós függvény segítségével dönti el, hol végezzen következő mintavételezést, egyensúlyt teremtve az ismeretlen régiók feltárása és az ígéretesek kiaknázása között.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Források
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/hu/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.
- Neuronális Architektúra KeresésMélytanulás↔ compare
- Sztochasztikus optimalizálásOptimalizálás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →