Публикации по теме 'hyperparameter-tuning'


Введение в MLOps: настройка гиперпараметров
В этой статье мы рассмотрим, почему важна оптимизация гиперпараметров, и рассмотрим три алгоритма для автоматизации настройки гиперпараметров для ваших моделей машинного обучения. Эта статья была изначально опубликована в блоге Weights & Biases Fully Connected 20 января 2023 года.
Настройка гиперпараметров для линейных классификаторов в машинном обучении
Важным этапом в практике машинного обучения является настройка гиперпараметров (HP). На производительность прогнозирования алгоритмов ML может значительно повлиять настройка HP. HP алгоритма ML часто настраиваются методом проб и ошибок. Ручной выбор хорошего набора значений может занять много времени, в зависимости от того, как долго обучался алгоритм машинного обучения. В результате текущие исследования HP для алгоритмов ML сосредоточены на улучшении методов настройки HP. Параметры..
Прогнозирование электронной коммерции Fbprophet + Optuna
Краткая статья о том, как использовать Optuna с Fbprophet. Отличительной особенностью Optuna является то, что она не только проста в использовании, но и позволяет расслабиться. Вы можете легко адаптировать Optuna к тому, что вы используете для машинного обучения или глубокого обучения. В этой статье мы подробно рассмотрим, как использовать Fbprophet с Optuna. Когда мы работали над этой статьей, мы использовали набор данных E-Commerce Data . Это транснациональный набор данных,..
Настройка гиперпараметров: пошаговое руководство для специалистов по машинному обучению
Настройка гиперпараметров — это важный этап в процессе машинного обучения , так как он может значительно повлиять на производительность вашей модели. В этом блоге мы предоставим пошаговое руководство для специалистов по машинному обучению, которые хотят оптимизировать свои модели с помощью настройки гиперпараметров. Во-первых, давайте определим, что такое гиперпараметры. В машинном обучении гиперпараметры — это настройки, которые не изучаются из данных во время обучения. Они..
Прогноз статуса кредита +(EDA и моделирование)
+ Исследовательский анализ данных и моделирование Постановка задачи Компания Dream Housing Finance занимается всеми видами ипотечных кредитов. Они присутствуют во всех городских, полугородских и сельских районах. Сначала клиент подает заявку на ипотечный кредит, а после этого компания подтверждает право клиента на получение кредита. Компания хочет автоматизировать процесс получения кредита (в режиме реального времени) на основе сведений о клиенте, предоставленных при заполнении..
Настройка ARIMA для прогнозирования: простой подход в Python
В этом посте будет представлен простой подход, который оценивает параметры, близкие к современному ручному подходу. Github_link Мы будем использовать байесовский подход к оптимизации ( Mango ) для поиска лучших параметров из 108 000 возможных вариантов всего за 200 итераций. Модель прогнозирования временных рядов ARIMA очень хорошо работает для рядов, имеющих тенденции и сезонность. Это широко принятая классическая модель, которая часто служит основой для оценки современных..
Обертка Optuna для чистых ноутбуков Jupyter
Введение Optuna — отличная среда для настройки гиперпараметров, которую я бы посчитал лучшей альтернативой старому доброму GridSearchCV из scikit-learn. Лично я считаю наиболее полезными различные предложения по значениям гиперпараметров, предлагаемые Optuna, которые можно легко настроить. Например, метод trial.suggest_float() позволяет вам установить диапазон и приращение, а также сделать шкалу логарифмической, что полезно при настройке того, что вы предпочитаете держать на..