Optimizācija ar Bajesas metodi — secīga uz modeļiem balstīta hiperparametru optimizācija
Optimizācija ar Bajesas metodi ir secīga, uz modeļiem balstīta stratēģija, lai ar pēc iespējas mazāku skaitu novērtējumu atrastu dārgu melnās kastes funkciju optimālo vērtību. Balstoties uz Mockus (1975) darbu un ieviešot to plašākā mašīnmācīšanās praksē ar Snoek, Larochelle un Adams (2012) palīdzību, tā pielāgo probablistisku surogātmodeli — parasti Gausa procesu — iepriekšējām novērojumu vērtībām un izmanto ieguves funkciju, lai noteiktu, kur veikt nākamo izmēģinājumu, līdzsvarojot jaunu apgabalu izpēti ar perspektīvo apgabalu izmantošanu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Avoti
Kā citēt šo lapu
ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/lv/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.
- Neirālā arhitektūras meklēšanaDziļā mācīšanās↔ compare
- Stohastiskā optimizācijaOptimizācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →