Знакомство
В машинном обучении модели обучены прогнозировать неизвестные метки для новых данных на основе корреляций между известными метками и функциями, найденными в обучающих данных. В зависимости от используемого алгоритма может потребоваться указать гиперпараметры для настройки обучения модели.
Например, алгоритм логистической регрессии использует коэффициент регуляризации как гиперпараметр для противодействия переобучению; и методы глубокого обучения для сверточных нейронных сетей (CNN) используют гиперпараметры, такие как скорость обучения для управления настройкой весов во время обучения, и размер пакета, чтобы определить, сколько элементов данных включены в каждый пакет обучения.
Заметка
Машинное обучение — это академическое поле с собственной терминологией. Специалисты по обработке и анализу данных ссылаются на значения, определенные из признаков обучения, как параметры, поэтому для значений параметров, которые используются для настройки поведения обучения, но которые не получены из обучающих данных, отсюда термин гиперпараметр.
Выбор значений гиперпараметров может значительно повлиять на итоговую модель, поэтому важно подобрать наилучшие значения для ваших конкретных данных и целей предсказательной эффективности.
Настройка гиперпараметров
настройка гиперпараметра выполняется путем обучения нескольких моделей с использованием одного алгоритма и обучающих данных, но различных значений гиперпараметра. Результирующая модель из каждого цикла обучения затем оценивается, чтобы определить метрику производительности, по которой вы хотите оптимизировать (например, точность), и выбирается модель с лучшими показателями.
В Машинном обучении Azure можно настроить гиперпараметры, отправив скрипт в качестве задания очистки. Задание перебора будет запускать пробную для каждого сочетания гиперпараметров, которое нужно протестировать. Каждая пробная версия использует скрипт обучения с параметризованными значениями гиперпараметров для обучения модели и регистрирует целевую метрику производительности, достигнутую обученной моделью.
Цели обучения
В этом модуле вы узнаете, как:
- Определите пространство поиска гиперпараметров.
- Настройте выборку гиперпараметров.
- Выберите политику раннего завершения.
- Выполнение задания очистки.