BayesianParameterSampling Klasse

Definiert das bayessche Sampling über einen Suchbereich für Hyperparameter.

Bei der bayesschen Stichprobenentnahme wird versucht, die nächste Stichprobe von Hyperparametern basierend auf der Leistung der vorherigen Stichproben intelligent auszuwählen, sodass die neue Stichprobe die gemeldete primäre Metrik verbessert.

Initialisieren Sie BayesianParameterSampling.

Vererbung

azureml.train.hyperdrive.sampling.HyperParameterSampling

BayesianParameterSampling

Konstruktor

BayesianParameterSampling(parameter_space, properties=None)

Parameter

Name	Beschreibung
parameter_space Erforderlich	dict Ein Wörterbuch, das jeden Parameter und seine Verteilung enthält Der Wörterbuchschlüssel ist der Name des Parameters. Beachten Sie, dass für die bayessche Optimierung nur choice, quniform und uniform unterstützt werden.
parameter_space Erforderlich	dict Ein Wörterbuch, das jeden Parameter und seine Verteilung enthält Der Wörterbuchschlüssel ist der Name des Parameters. Beachten Sie, dass für bayessche Optimierung nur Auswahl, Quniform und Uniform unterstützt werden.
properties	Standardwert: None

Hinweise

Beachten Sie, dass bei der Verwendung des bayesschen Samplings die Anzahl der gleichzeitigen Ausführungen einen Einfluss auf die Effektivität des Abstimmungsprozesses hat. In der Regel führt eine geringere Anzahl von gleichzeitigen Ausführungen zu einer besseren Konvergenz der Stichprobenentnahme. Das liegt daran, dass einige Ausführungen beginnen, ohne von den noch laufenden Ausführungen vollständig zu profitieren.

Hinweis

Beim bayesschen Sampling werden keine Richtlinien für die vorzeitige Beendigung unterstützt. Wenn Sie das bayessche Parametersampling verwenden möchten, verwenden Sie NoTerminationPolicy, legen Sie die Richtlinie für die vorzeitige Beendigung auf „None“ fest, oder lassen Sie den Parameter early_termination_policy aus.

Weitere Informationen zur Verwendung des BayesianParameter-Samplings finden Sie im Tutorial Optimieren von Hyperparametern für Ihr Modell.

Attribute

SAMPLING_NAME

SAMPLING_NAME = 'BayesianOptimization'