RandomSamplingAlgorithm Klas
Algoritme voor willekeurige steekproeven.
- Overname
-
azure.ai.ml.entities._job.sweep.sampling_algorithm.SamplingAlgorithmRandomSamplingAlgorithm
Constructor
RandomSamplingAlgorithm(*, rule: str | None = None, seed: int | None = None, logbase: float | str | None = None)
Keyword-Only Parameters
Name | Description |
---|---|
rule
|
Het specifieke type willekeurig algoritme. Geaccepteerde waarden zijn: 'willekeurig' en 'sobol'. |
seed
|
De seed voor het genereren van willekeurige getallen. |
logbase
|
Een positief getal of het getal 'e' in tekenreeksindeling dat moet worden gebruikt als basis voor willekeurige steekproeven op basis van logboeken. |
Voorbeelden
Een willekeurig sampling-algoritme toewijzen voor een SweepJob
from azure.ai.ml.entities import CommandJob
from azure.ai.ml.sweep import RandomSamplingAlgorithm, SweepJob, SweepJobLimits
command_job = CommandJob(
inputs=dict(kernel="linear", penalty=1.0),
compute=cpu_cluster,
environment=f"{job_env.name}:{job_env.version}",
code="./scripts",
command="python scripts/train.py --kernel $kernel --penalty $penalty",
experiment_name="sklearn-iris-flowers",
)
sweep = SweepJob(
sampling_algorithm=RandomSamplingAlgorithm(seed=999, rule="sobol", logbase="e"),
trial=command_job,
search_space={"ss": Choice(type="choice", values=[{"space1": True}, {"space2": True}])},
inputs={"input1": {"file": "top_level.csv", "mode": "ro_mount"}},
compute="top_level",
limits=SweepJobLimits(trial_timeout=600),
)
Met ons samenwerken op GitHub
De bron voor deze inhoud vindt u op GitHub, waar u ook problemen en pull-aanvragen kunt maken en controleren. Bekijk onze gids voor inzenders voor meer informatie.
Azure SDK for Python
Feedback
https://aka.ms/ContentUserFeedback.
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie:Feedback verzenden en weergeven voor