通过

BayesianParameterSampling 类

  • 参考

定义超参数搜索空间上的 Bayesian 采样。

Bayesian 采样尝试根据先前样本的执行情况智能地选取下一个超参数样本，以便新样本改进报告的主要指标。

初始化 BayesianParameterSampling。

继承
azureml.train.hyperdrive.sampling.HyperParameterSampling
BayesianParameterSampling

构造函数

BayesianParameterSampling(parameter_space, properties=None)

参数

名称 说明
parameter_space
必需
dict

包含每个参数及其分布的字典。 字典键是参数的名称。 请注意，贝叶斯优化仅支持 choice、quniform 和 uniform。
parameter_space
必需
dict

包含每个参数及其分布的字典。 字典键是参数的名称。 请注意，贝叶斯优化仅支持 choice、quniform 和 uniform。
properties
默认值: None

注解

请注意，使用贝叶斯采样时，并发运行的数目会影响优化过程的有效性。 通常，并发运行数越小，采样收敛的效果越好。 这是因为，某些运行在启动时不完全受益于仍在运行的运行。

注意

贝叶斯采样不支持提前终止策略。 使用贝叶斯参数采样时，请使用 NoTerminationPolicy，将提前终止策略设置为“None”，或者保留 early_termination_policy 参数。

有关使用 BayesianParameter 采样的详细信息，请参阅教程：优化模型的超参数。

属性

SAMPLING_NAME 

SAMPLING_NAME = 'BayesianOptimization'