parameter_expressions Modul

Definiert Funktionen, die in „HyperDrive“ verwendet werden können, um einen Hyperparametersuchbereich zu beschreiben

Diese Funktionen werden verwendet, um verschiedene Typen von Hyperparameterverteilungen anzugeben. Die Verteilungen werden definiert, wenn Sie die Stichprobenentnahme für einen Hyperparametersweep konfigurieren. Wenn Sie beispielsweise die RandomParameterSampling-Klasse verwenden, können Sie eine Stichprobe aus einer Gruppe diskreter Werte oder einer Verteilung kontinuierlicher Werte auswählen. In diesem Fall können Sie mit der choice-Funktion diskrete Werte und mit der uniform-Funktion eine Verteilung kontinuierlicher Werte generieren.

Beispiele für die Verwendung dieser Funktionen finden Sie im Tutorial unter https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.

Functions

choice

Gibt diskrete Optionen für die Stichprobenentnahme an.

choice(*options)

Parameter

Name	Beschreibung
options Erforderlich	list Liste der Optionen, die Sie auswählen können

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

lognormal

Gibt einen gemäß „exp(normal(mu, sigma))“ ermittelten Wert zurück.

Der Logarithmus des Rückgabewerts wird normalerweise verteilt. Bei der Optimierung ist diese Variable darauf beschränkt, positiv zu sein.

lognormal(mu, sigma)

Parameter

Name	Beschreibung
mu Erforderlich	float Der Mittelwert der Normalverteilung.
sigma Erforderlich	float Die Standardabweichung der Normalverteilung.

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

loguniform

Gibt eine einheitliche Protokollverteilung an.

Gibt einen gemäß „exp(uniform(min_value, max_value))“ ermittelten Wert zurück, sodass der Logarithmus des Rückgabewerts einheitlich verteilt ist. Bei der Optimierung ist diese Variable auf das Intervall „[exp(min_value), exp(max_value)]“ beschränkt.

loguniform(min_value, max_value)

Parameter

Name	Beschreibung
min_value Erforderlich	float Der Mindestwert im Bereich ist „exp(min_value)“ (einschließlich).
max_value Erforderlich	float Der Maximalwert im Bereich ist „exp(max_value)“ (einschließlich).

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

normal

Gibt einen realen Wert an, der mit dem Mittelwert „mu“ und der Standardabweichung „sigma“ normalverteilt ist.

Bei der Optimierung ist dies eine uneingeschränkte Variable.

normal(mu, sigma)

Parameter

Name	Beschreibung
mu Erforderlich	float Der Mittelwert der Normalverteilung.
sigma Erforderlich	float Standardabweichung der Normalverteilung.

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

qlognormal

Gibt einen Wert wie „round(exp(normal(mu, sigma)) / q) × q“ an.

Eignet sich für eine diskrete Variable in Bezug darauf, ob das Ziel angesichts der Größe der Variable stets problemlos erreicht werden kann, die auf einer Seite begrenzt ist.

qlognormal(mu, sigma, q)

Parameter

Name	Beschreibung
mu Erforderlich	float Der Mittelwert der Normalverteilung.
sigma Erforderlich	float Die Standardabweichung der Normalverteilung.
q Erforderlich	int Der Glättungsfaktor.

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

qloguniform

Gibt eine einheitliche Verteilung in Form von „round(exp(uniform(min_value, max_value) / q) × q“ an.

Dies eignet sich für eine diskrete Variable in Bezug darauf, ob das Ziel angesichts der Größe des Werts stets problemlos erreicht werden kann, der sowohl nach oben als auch nach unten begrenzt sein sollte.

qloguniform(min_value, max_value, q)

Parameter

Name	Beschreibung
min_value Erforderlich	float Der Mindestwert im Bereich (einschließlich).
max_value Erforderlich	float Der Höchstwert im Bereich (einschließlich).
q Erforderlich	int Der Glättungsfaktor.

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

qnormal

Gibt einen Wert wie „round(normal(mu, sigma) / q) × q“ an.

Eignet sich für eine diskrete Variable, die wahrscheinlich einen Wert um „mu“ annimmt, aber grundsätzlich unbegrenzt ist.

qnormal(mu, sigma, q)

Parameter

Name	Beschreibung
mu Erforderlich	float Der Mittelwert der Normalverteilung.
sigma Erforderlich	float Die Standardabweichung der Normalverteilung.
q Erforderlich	int Der Glättungsfaktor.

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

quniform

Gibt eine einheitliche Verteilung in Form von „round(uniform(min_value, max_value) / q) × q“ an.

Dies eignet sich für einen diskreten Wert in Bezug darauf, ob das Ziel stets problemlos erreicht werden kann, das sowohl nach oben als auch nach unten begrenzt sein sollte.

quniform(min_value, max_value, q)

Parameter

Name	Beschreibung
min_value Erforderlich	float Der Mindestwert im Bereich (einschließlich).
max_value Erforderlich	float Der Höchstwert im Bereich (einschließlich).
q Erforderlich	int Der Glättungsfaktor.

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

randint

Gibt eine Gruppe zufälliger ganzer Zahlen im Bereich [0, upper) an.

Die Semantik dieser Verteilung besteht darin, dass im Vergleich zu entfernteren ganzzahligen Werten in der Verlustfunktion keine Korrelation mehr zwischen ganzzahligen Werten im Nahbereich besteht. Diese Verteilung ist beispielsweise für das Beschreiben zufälliger Seeds geeignet. Wenn die Verlustfunktion eher mit ganzzahligen Werten im Nahbereich korreliert ist, sollten Sie wahrscheinlich eine der „quantisierten“ kontinuierlichen Verteilungen verwenden (z. B. „quniform“, „qloguniform“, „qnormal“ oder „qlognormal“).

randint(upper)

Parameter

Name	Beschreibung
upper Erforderlich	int Die exklusive Obergrenze für den Bereich ganzer Zahlen.

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.

uniform

Gibt eine einheitliche Verteilung an, welche Stichproben verwendet werden

uniform(min_value, max_value)

Parameter

Name	Beschreibung
min_value Erforderlich	float Der Mindestwert im Bereich (einschließlich).
max_value Erforderlich	float Der Höchstwert im Bereich (einschließlich).

Gibt zurück

Typ	Beschreibung
list	Der stochastische Ausdruck.