HyperParameterSampling Classe
Classe base abstrata para todos os algoritmos de amostragem de hiperparâmetro.
Essa classe encapsula o espaço do hiperparâmetro, o método de amostragem e as propriedades adicionais para classes de amostragem derivadas: BayesianParameterSampling, GridParameterSampling e RandomParameterSampling.
Inicializar HyperParameterSampling.
- Herança
-
HyperParameterSampling
Construtor
HyperParameterSampling(sampling_method_name, parameter_space, properties=None, supported_distributions=None, distributions_validators=None)
Parâmetros
Nome | Description |
---|---|
sampling_method_name
Obrigatório
|
O nome do método de amostragem. |
parameter_space
Obrigatório
|
Um dicionário que contém cada parâmetro e a respectiva distribuição. |
properties
|
Um dicionário com propriedades adicionais para o algoritmo. valor padrão: None
|
supported_distributions
|
Uma lista dos métodos de distribuição com suporte. O padrão None indica que todas as distribuições têm suporte, conforme descrito no módulo parameter_expressions. valor padrão: None
|
sampling_method_name
Obrigatório
|
O nome do método de amostragem. |
parameter_space
Obrigatório
|
Um dicionário que contém cada parâmetro e a respectiva distribuição. |
properties
Obrigatório
|
Um dicionário com propriedades adicionais para o algoritmo. |
supported_distributions
Obrigatório
|
Uma lista dos métodos de distribuição com suporte. O padrão de Nenhum indica que todas as distribuições têm suporte, conforme descrito no módulo parameter_expressions. |
distributions_validators
|
Um dicionário que mapeia um nome de distribuição para uma função que valida se é uma distribuição válida para o método de amostragem usado. O padrão None indica que nenhum validador específico é necessário. valor padrão: None
|
Métodos
to_json |
Retorne JSON que representa o objeto de amostragem de hiperparâmetro. |
to_json
Retorne JSON que representa o objeto de amostragem de hiperparâmetro.
to_json()
Retornos
Tipo | Description |
---|---|
Política de amostragem formatada em JSON. |
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de