BayesianParameterSampling Klasa

Definiuje próbkowanie bayesowskie na hiperparametrowej przestrzeni wyszukiwania.

Próbkowanie bayesowskie próbuje inteligentnie wybrać następną próbkę hiperparametrów w oparciu o sposób wykonania poprzednich próbek, tak aby nowa próbka poprawiła zgłoszoną metryę podstawową.

Inicjuj BayesianParameterSampling.

Dziedziczenie

azureml.train.hyperdrive.sampling.HyperParameterSampling

BayesianParameterSampling

Konstruktor

BayesianParameterSampling(parameter_space, properties=None)

Parametry

Nazwa	Opis
parameter_space Wymagane	dict Słownik zawierający każdy parametr i jego rozkład. Klucz słownika jest nazwą parametru. Należy pamiętać, że tylko choice, quniformi uniform są obsługiwane w przypadku optymalizacji Bayesa.
parameter_space Wymagane	dict Słownik zawierający każdy parametr i jego rozkład. Klucz słownika jest nazwą parametru. Należy pamiętać, że tylko wybór, kuniform i mundur są obsługiwane w celu optymalizacji Bayesa.
properties	Domyślna wartość: None

Uwagi

Należy pamiętać, że w przypadku korzystania z próbkowania bayesańskiego liczba współbieżnych przebiegów ma wpływ na skuteczność procesu dostrajania. Zazwyczaj mniejsza liczba współbieżnych przebiegów prowadzi do lepszej zbieżności próbkowania. Wynika to z faktu, że niektóre uruchomienia są uruchamiane bez pełnego korzystania z przebiegów, które są nadal uruchomione.

Uwaga

Próbkowanie bayesowskie nie obsługuje zasad wczesnego zakończenia. W przypadku korzystania z próbkowania parametrów Bayesian użyj polecenia , ustaw NoTerminationPolicyzasady wczesnego zakończenia na Wartość Brak lub pozostaw parametr early_termination_policy.

Aby uzyskać więcej informacji na temat korzystania z próbkowania BayesianParameter, zobacz samouczek Dostrajanie hiperparametrów dla modelu.

Atrybuty

SAMPLING_NAME

SAMPLING_NAME = 'BayesianOptimization'