parameter_expressions Modul

Menentukan fungsi yang dapat digunakan di HyperDrive untuk menggambarkan ruang pencarian hyperparameter.

Fungsi-fungsi ini digunakan untuk menentukan berbagai jenis distribusi hyperparameter. Distribusi ditentukan saat Anda mengonfigurasi pengambilan sampel untuk sapuan hyperparameter. Misalnya, saat Anda menggunakan kelas RandomParameterSampling, Anda dapat memilih untuk mengambil sampel dari sekumpulan nilai diskrit atau distribusi nilai berkelanjutan. Dalam kasus ini, Anda dapat menggunakan fungsi choice untuk menghasilkan kumpulan nilai diskrit dan fungsi uniform untuk menghasilkan distribusi nilai berkelanjutan.

Untuk contoh penggunaan fungsi ini, lihat tutorial: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.

Fungsi

choice

Tentukan sekumpulan opsi diskrit untuk diambil sampelnya.

choice(*options)

Parameter

options
list
Diperlukan

Daftar opsi untuk dipilih.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

lognormal

Tentukan nilai yang ditarik sesuai dengan exp(normal(mu, sigma)).

Logaritma nilai pengembalian biasanya didistribusikan. Saat mengoptimalkan, variabel ini dibatasi untuk menjadi positif.

lognormal(mu, sigma)

Parameter

mu
float
Diperlukan

Rata-rata distribusi normal.

sigma
float
Diperlukan

Simpangan baku distribusi normal.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

loguniform

Tentukan distribusi seragam log.

Sebuah nilai digambar menurut exp(uniform(min_value, max_value)) sehingga logaritma dari nilai kembalian terdistribusi secara merata. Saat mengoptimalkan, variabel ini dibatasi ke interval [exp(min_value), exp(max_value)]

loguniform(min_value, max_value)

Parameter

min_value
float
Diperlukan

Nilai minimum dalam rentang akan menjadi exp(min_value)(inklusif).

max_value
float
Diperlukan

Nilai maksimum dalam rentang akan menjadi exp(max_value) (inklusif).

Mengembalikan

Ekspresi stochastic.

Tipe hasil

normal

Tentukan nilai riil yang biasanya didistribusikan dengan rata-rata mu dan sigma simpangan baku.

Saat mengoptimalkan, ini adalah variabel yang tidak dibatasi.

normal(mu, sigma)

Parameter

mu
float
Diperlukan

Rata-rata distribusi normal.

sigma
float
Diperlukan

Simpangan baku distribusi normal.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

qlognormal

Tentukan nilai seperti round(exp(normal(mu, sigma)) / q) * q.

Cocok untuk variabel diskrit sehubungan dengan tujuan yang halus dan semakin halus dengan ukuran variabel, yang dibatasi dari satu sisi.

qlognormal(mu, sigma, q)

Parameter

mu
float
Diperlukan

Rata-rata distribusi normal.

sigma
float
Diperlukan

Simpangan baku distribusi normal.

q
int
Diperlukan

Faktor penghalusan.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

qloguniform

Tentukan distribusi seragam dari bentuk round(exp(uniform(min_value, max_value) / q) * q.

Ini cocok untuk variabel diskrit sehubungan dengan tujuan yang "halus", dan menjadi lebih halus dengan ukuran nilai, tetapi yang harus dibatasi di atas dan di bawah.

qloguniform(min_value, max_value, q)

Parameter

min_value
float
Diperlukan

Nilai minimum dalam rentang (inklusif).

max_value
float
Diperlukan

Nilai maksimum dalam rentang (inklusif).

q
int
Diperlukan

Faktor penghalusan.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

qnormal

Tentukan nilai seperti round(normal(mu, sigma) / q) * q.

Cocok untuk variabel diskrit yang mungkin mengambil nilai di sekitar mu, tetapi pada dasarnya tidak terbatas.

qnormal(mu, sigma, q)

Parameter

mu
float
Diperlukan

Rata-rata distribusi normal.

sigma
float
Diperlukan

Simpangan baku distribusi normal.

q
int
Diperlukan

Faktor penghalusan.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

quniform

Tentukan distribusi seragam dari bentuk round(uniform(min_value, max_value) / q) * q.

Ini cocok untuk nilai diskrit yang tujuannya masih agak "halus", tetapi harus dibatasi baik di atas maupun di bawah.

quniform(min_value, max_value, q)

Parameter

min_value
float
Diperlukan

Nilai minimum dalam rentang (inklusif).

max_value
float
Diperlukan

Nilai maksimum dalam rentang (inklusif).

q
int
Diperlukan

Faktor penghalusan.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

randint

Tentukan satu set bilangan bulat acak dalam rentang [0, atas).

Semantik dari distribusi ini adalah bahwa tidak ada lagi korelasi dalam fungsi loss antara nilai-nilai bilangan bulat yang berdekatan, dibandingkan dengan nilai-nilai bilangan bulat yang lebih jauh. Ini adalah distribusi yang tepat untuk menggambarkan nilai awal acak misalnya. Jika fungsi loss mungkin lebih berkorelasi untuk nilai bilangan bulat terdekat, Anda mungkin harus menggunakan salah satu distribusi berkelanjutan "terkuantisasi", seperti quniform, qloguniform, qnormal, atau qlognormal.

randint(upper)

Parameter

upper
int
Diperlukan

Batas atas eksklusif untuk rentang bilangan bulat.

Mengembalikan

Ekspresi stochastic.

Tipe hasil

uniform

Tentukan distribusi seragam dari mana sampel diambil.

uniform(min_value, max_value)

Parameter

min_value
float
Diperlukan

Nilai minimum dalam rentang (inklusif).

max_value
float
Diperlukan

Nilai maksimum dalam rentang (inklusif).

Mengembalikan

Ekspresi stochastic.

Tipe hasil