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
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
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
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
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
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
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
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
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
Mengembalikan
Ekspresi stochastic.
Tipe hasil
uniform
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk