parameter_expressions Módulo
Define funções que podem ser usadas em HyperDrive para descrever um espaço de pesquisa de hiperparâmetro.
Essas funções são usadas para especificar diferentes tipos de distribuições de hiperparâmetro. As distribuições são definidas quando você configura a amostragem para uma varredura de hiperparâmetro. Por exemplo, ao usar a classe RandomParameterSampling, você pode optar por fazer a amostragem de um conjunto de valores discretos ou uma distribuição de valores contínuos. Nesse caso, você pode usar a função choice para gerar um conjunto discreto de valores e a função uniform para gerar uma distribuição de valores contínuos.
Para obter exemplos de como usar essas funções, confira o tutorial: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.
Funções
choice
Especifique um conjunto discreto de opções entre as quais fazer a amostragem.
choice(*options)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
lognormal
Especifique um valor traçado de acordo com exp(normal(mu, sigma)).
O logaritmo do valor retornado normalmente é distribuído. Ao otimizar, essa variável é restrita para ser positiva.
lognormal(mu, sigma)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
loguniform
Especifique uma distribuição logarítmica uniforme.
Um valor é traçado conforme exp(uniform(min_value, max_value)), de modo que o logaritmo do valor retornado seja distribuído uniformemente. Ao otimizar, essa variável é restrita ao intervalo [exp(min_value), exp(max_value)]
loguniform(min_value, max_value)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
normal
Especifique um valor real distribuído normalmente com sigma de desvio padrão e mu médio.
Ao otimizar, essa é uma variável irrestrita.
normal(mu, sigma)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
qlognormal
Especifique um valor como round(exp(normal(mu, sigma)) / q) * q.
Adequado para uma variável discreta com relação à qual o objetivo é suave, e fica mais suave com o tamanho da variável, que é limitado de um lado.
qlognormal(mu, sigma, q)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
qloguniform
Especifique uma distribuição uniforme da forma round(exp(uniform(min_value, max_value) / q) * q.
Isso é adequado para uma variável discreta com relação à qual o objetivo é "suave", e fica mais suave com o tamanho do valor, mas que deve ser limitado para mais e menos.
qloguniform(min_value, max_value, q)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
qnormal
Especifique um valor como round(normal(mu, sigma) / q) * q.
Adequado para uma variável discreta que provavelmente usa um valor próximo de mu, mas é fundamentalmente não limitada.
qnormal(mu, sigma, q)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
quniform
Especifique uma distribuição uniforme da forma round(uniform(min_value, max_value) / q) * q.
Isso é adequado para um valor discreto em relação ao qual o objetivo ainda é um pouco "suave", mas que deve ser limitado para mais e menos.
quniform(min_value, max_value, q)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
randint
Especifique um conjunto de inteiros aleatórios no intervalo [0, superior].
A semântica dessa distribuição é que não há mais correlação na função de perda entre valores inteiros próximos, em comparação com os valores inteiros mais distantes. Essa é uma distribuição apropriada para descrever sementes aleatórias, por exemplo. Se a função de perda é provavelmente mais correlacionada a valores inteiros próximos, você provavelmente deve usar uma das distribuições contínuas "quantizadas", como quniform, qloguniform, qnormal ou qlognormal.
randint(upper)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
uniform
Especifique uma distribuição uniforme da qual amostras são tiradas.
uniform(min_value, max_value)
Parâmetros
Retornos
A expressão estocástica.
Tipo de retorno
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