BayesianParameterSampling Classe

Define a amostragem bayesiana em um espaço de pesquisa de hiperparâmetro.

A amostragem bayesiana tenta escolher de forma inteligente a próxima amostra de hiperparâmetros, com base em como os exemplos anteriores foram executados, de modo que o novo exemplo melhora a métrica primária relatada.

Inicialize BayesianParameterSampling.

Herança

azureml.train.hyperdrive.sampling.HyperParameterSampling

BayesianParameterSampling

Construtor

BayesianParameterSampling(parameter_space, properties=None)

Parâmetros

Nome	Description
parameter_space Obrigatório	dict Um dicionário que contém cada parâmetro e a respectiva distribuição. A chave de dicionário é o nome do parâmetro. Observe que apenas choice, quniform e uniform têm suporte para otimização bayesiana.
parameter_space Obrigatório	dict Um dicionário que contém cada parâmetro e a respectiva distribuição. A chave de dicionário é o nome do parâmetro. Observe que há suporte apenas para opções, quniformes e uniformes para otimização bayesiana.
properties	valor padrão: None

Comentários

Observe que, ao usar a amostragem bayesiana, o número de execuções simultâneas tem um impacto sobre a eficácia do processo de ajuste. Normalmente, um número menor de execuções simultâneas leva a uma melhor convergência de amostragem. Isso ocorre porque algumas execuções começam sem se beneficiar totalmente de execuções que ainda estão em execução.

Observação

A amostragem bayesiana não tem suporte a políticas de término antecipado. Ao usar a amostragem de parâmetro bayesiano, use NoTerminationPolicy, defina a política de encerramento antecipado como Nenhum ou omita o parâmetro early_termination_policy.

Para obter mais informações sobre como usar a amostragem de BayesianParameter, confira o tutorial Ajustar hiperparâmetros para seu modelo.

Atributos

SAMPLING_NAME

SAMPLING_NAME = 'BayesianOptimization'