Optymalizacja bayesowska — sekwencyjne, modelowe dostrajanie hiperparametrów
Optymalizacja bayesowska to sekwencyjna, modelowa strategia znajdowania optimum kosztownych funkcji typu czarna skrzynka przy możliwie najmniejszej liczbie ewaluacji. Zakorzeniona w pracach Mockusa (1975) i wprowadzona do głównego nurtu uczenia maszynowego przez Snoeka, Larochelle'a i Adamsa (2012), dopasowuje probabilistyczny model zastępczy — zazwyczaj proces Gaussa — do wcześniejszych obserwacji i wykorzystuje funkcję akwizycji do decydowania, gdzie przeprowadzić kolejne badanie, równoważąc eksplorację nieznanych obszarów z eksploatacją obiecujących.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Źródła
Jak cytować tę stronę
ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/pl/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.
- Automatyczne wyszukiwanie architektury sieci neuronowychUczenie głębokie↔ compare
- Optymalizacja stochastycznaOptymalizacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →