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,并推荐一本利用Python进行超参数调整的书籍,其中包含了许多超参数调整方法。

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,而不是通过训练得到的参数数据。通常情况下,需要对超参数进行优化,给学习机选择一组最优超参数,以提高学习的性能和效果。

超参数的一些示例:

  • 树的数量或树的深度
  • 矩阵分解中潜在因素的数量
  • 学习率(多种模式)
  • 深层神经网络隐藏层数
  • k均值聚类中的簇数
超参数调整的好,对于提升模型的相关性能有一定的作用。

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 超参数调整方法(机器学习最流行的编码语言之一)。除了深入解释每种方法的工作原理外,还将使用决策图来帮助确定满足需求的最佳调整方法。

这本书涵盖了以下令人兴奋的功能:

  • 发现超参数空间和超参数分布类型
  • 探索手动、网格和随机搜索,以及每种搜索的优缺点
  • 了解强大的失败者方法以及最佳实践
  • 探索流行算法的超参数
  • 了解如何在不同的框架和库中调整超参数
  • 深入了解 Scikit、Hyperopt、Optuna、NNI 和 DEAP 等顶级框架
  • 掌握可立即应用于机器学习模型的最佳实践

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结果。

留言或私信小编,可领取《神经网络与深度学习》一书,帮助小伙伴们更快入门深度学习。

本文由mdnice多平台发布

作者:冷冻工厂原文地址:https://segmentfault.com/a/1190000042541879

%s 个评论

要回复文章请先登录注册