乐趣区

关于机器学习:Python-模型超参数调优

Python 模型超参数调优

1. 导读

本文将对超参数进行简要的解释,并举荐一本利用 Python 进行超参数调整的书籍,其中蕴含了许多超参数调整办法。

2. 超参数

在机器学习的上下文中,超参数是在开始学习过程之前设置值的参数,而不是通过训练失去的参数数据。通常状况下,须要对超参数进行优化,给学习机抉择一组最优超参数,以进步学习的性能和成果。

超参数的一些示例:

  • 树的数量或树的深度
  • 矩阵合成中潜在因素的数量
  • 学习率(多种模式)
  • 深层神经网络暗藏层数
  • k 均值聚类中的簇数

超参数调整的好,对于晋升模型的相干性能有肯定的作用。

3. 书

超参数是构建有用的机器学习模型的重要元素。本书为 Python 超参数调整办法(机器学习最风行的编码语言之一)。除了深刻解释每种办法的工作原理外,还将应用决策图来帮忙确定满足需要的最佳调整办法。

这本书涵盖了以下令人兴奋的性能:

  • 发现超参数空间和超参数散布类型
  • 摸索手动、网格和随机搜寻,以及每种搜寻的优缺点
  • 理解弱小的失败者办法以及最佳实际
  • 摸索风行算法的超参数
  • 理解如何在不同的框架和库中调整超参数
  • 深刻理解 Scikit、Hyperopt、Optuna、NNI 和 DEAP 等顶级框架
  • 把握可立刻利用于机器学习模型的最佳实际

实战

目前该书籍的 Github 仓库已有 70Star,正在持续增长。

本书还在 Github 中提供了许多实例,用于查看书中提到的所有示例的后果。

留言或私信小编,可支付《神经网络与深度学习》一书,帮忙小伙伴们更快入门深度学习。

本文由 mdnice 多平台公布

退出移动版