Dela via

parameter_expressions Modul

  • Referens

Definierar funktioner som kan användas i HyperDrive för att beskriva ett hyperparametersökutrymme.

Dessa funktioner används för att ange olika typer av hyperparameterfördelningar. Distributionerna definieras när du konfigurerar sampling för en hyperparameterrensning. När du till exempel använder RandomParameterSampling klassen kan du välja att prova från en uppsättning diskreta värden eller en fördelning av kontinuerliga värden. I det här fallet kan du använda choice funktionen för att generera en diskret uppsättning värden och uniform funktioner för att generera en fördelning av kontinuerliga värden.

Exempel på hur du använder dessa funktioner finns i självstudien: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.

Funktioner

choice

Ange en diskret uppsättning alternativ att prova från.

choice(*options)

Parametrar

options
list
Obligatorisk

Listan över alternativ att välja mellan.

Returer

Det stokastiska uttrycket.

Returtyp

list

lognormal

Ange ett värde som ritas enligt exp(normal(mu, sigma)).

Logaritmen för returvärdet distribueras normalt. När du optimerar är den här variabeln begränsad till att vara positiv.

lognormal(mu, sigma)

Parametrar

mu
float
Obligatorisk

Medelvärdet av den normala fördelningen.

sigma
float
Obligatorisk

Standardavvikelsen för den normala fördelningen.

Returer

Det stokastiska uttrycket.

Returtyp

list

loguniform

Ange en logguniform distribution.

Ett värde ritas enligt exp(uniform(min_value, max_value)) så att logaritmen för returvärdet fördelas jämnt. När du optimerar begränsas den här variabeln till intervallet [exp(min_value), exp(max_value)]

loguniform(min_value, max_value)

Parametrar

min_value
float
Obligatorisk

Minimivärdet i intervallet är exp(min_value)(inclusive).

max_value
float
Obligatorisk

Det maximala värdet i intervallet är exp(max_value) (inklusive).

Returer

Det stokastiska uttrycket.

Returtyp

list

normal

Ange ett verkligt värde som normalt distribueras med medelvärdet mu och standardavvikelse sigma.

När du optimerar är detta en obehindrat variabel.

normal(mu, sigma)

Parametrar

mu
float
Obligatorisk

Medelvärdet av den normala fördelningen.

sigma
float
Obligatorisk

standardavvikelsen för den normala fördelningen.

Returer

Det stokastiska uttrycket.

Returtyp

list

qlognormal

Ange ett värde som round(exp(normal(mu, sigma)) / q) * q.

Lämplig för en diskret variabel med avseende på vilken målet är smidigt och blir jämnare med storleken på variabeln, som avgränsas från ena sidan.

qlognormal(mu, sigma, q)

Parametrar

mu
float
Obligatorisk

Medelvärdet av den normala fördelningen.

sigma
float
Obligatorisk

Standardavvikelsen för den normala fördelningen.

q
int
Obligatorisk

Utjämningsfaktorn.

Returer

Det stokastiska uttrycket.

Returtyp

list

qloguniform

Ange en enhetlig fördelning av formulärrundan(exp(uniform(min_value, max_value) /q) * q.

Detta är lämpligt för en diskret variabel med avseende på vilken målet är "smidigt" och blir jämnare med värdets storlek, men som bör begränsas både över och under.

qloguniform(min_value, max_value, q)

Parametrar

min_value
float
Obligatorisk

Minimivärdet i intervallet (inklusive).

max_value
float
Obligatorisk

Det maximala värdet i intervallet (inklusive).

q
int
Obligatorisk

Utjämningsfaktorn.

Returer

Det stokastiska uttrycket.

Returtyp

list

qnormal

Ange ett värde som round(normal(mu, sigma) / q) * q.

Lämplig för en diskret variabel som förmodligen tar ett värde runt mu, men är i grunden obundna.

qnormal(mu, sigma, q)

Parametrar

mu
float
Obligatorisk

Medelvärdet av den normala fördelningen.

sigma
float
Obligatorisk

Standardavvikelsen för den normala fördelningen.

q
int
Obligatorisk

Utjämningsfaktorn.

Returer

Det stokastiska uttrycket.

Returtyp

list

quniform

Ange en enhetlig fördelning av formulärrundan(uniform(min_value, max_value) /q) * q.

Detta är lämpligt för ett diskret värde med avseende på vilket målet fortfarande är något "smidigt", men som bör begränsas både över och under.

quniform(min_value, max_value, q)

Parametrar

min_value
float
Obligatorisk

Minimivärdet i intervallet (inklusive).

max_value
float
Obligatorisk

Det maximala värdet i intervallet (inklusive).

q
int
Obligatorisk

Utjämningsfaktorn.

Returer

Det stokastiska uttrycket.

Returtyp

list

randint

Ange en uppsättning slumpmässiga heltal i intervallet [0, övre).

Semantiken i den här fördelningen är att det inte finns någon mer korrelation i förlustfunktionen mellan närliggande heltalsvärden, jämfört med mer avlägsna heltalsvärden. Det här är en lämplig fördelning för att till exempel beskriva slumpmässiga frön. Om förlustfunktionen förmodligen är mer korrelerad för närliggande heltalsvärden bör du förmodligen använda en av de "kvantiserade" kontinuerliga distributionerna, till exempel quniform, qloguniform, qnormal eller qlognormal.

randint(upper)

Parametrar

upper
int
Obligatorisk

Den exklusiva övre gränsen för heltalsintervallet.

Returer

Det stokastiska uttrycket.

Returtyp

list

uniform

Ange en enhetlig fördelning från vilken exempel tas.

uniform(min_value, max_value)

Parametrar

min_value
float
Obligatorisk

Minimivärdet i intervallet (inklusive).

max_value
float
Obligatorisk

Det maximala värdet i intervallet (inklusive).

Returer

Det stokastiska uttrycket.

Returtyp

list