Kapanış
Python'da Hiperparametre Ayarlama
Alex Scriven
Data Scientist
Hiperparametreler vs Parametreler
Hiperparametreler vs Parametreler:
Hiperparametreler, modelde sizin belirlediğiniz bileşenlerdir. Modelleme sırasında öğrenilmezler
Parametreleri siz ayarlamazsınız. Algoritma bunları sizin için bulur
Hangi hiperparametreler ve değerler?
Şunları öğrendiniz:
- Bazı hiperparametrelerle başlamak diğerlerinden daha iyidir
- Hiperparametreler için anlamsız değerler seçebilirsiniz
- Çakışan hiperparametrelere dikkat etmelisiniz
- En iyi uygulamalar, algoritma ve hiperparametrelerine özgüdür
Izgara Aramasını Anımsayalım
Izgara aramasını tanıttık:
- Hiperparametre kombinasyonları ve değerlerinden bir matris (“ızgara”) oluşturun
- Tüm farklı hiperparametre kombinasyonları için modeller kurun
- Sonra kazananı seçin
Hesaplama maliyeti yüksektir ancak ızgarınızdaki en iyiyi bulmayı garanti eder. (İyi bir ızgara tanımlamanın önemini unutmayın!)
Rastgele Aramayı Anımsayalım
Rastgele Arama:
- Izgara aramasına çok benzer
- Temel fark, (n) rastgele kombinasyon seçmektir
Bu yöntem, makul bir modele daha hızlı ulaşır ancak ızgarınızdaki en iyiyi bulmaz.
Bilgisizden bilgili aramaya
Bilgili aramaya bakış:
Bilgili aramada her yineleme öncekinden öğrenir; Izgara ve Rastgele aramada ise tüm modelleme baştan yapılır ve sonra en iyisi seçilir.
İncelenen bilgili yöntemler:
- ‘Kaba’dan ‘İnce’ye (Yineli rastgele, ardından ızgara araması)
- Model performansı kanıtına göre inancı güncelleyen Bayesçi hiperparametre ayarı
- Modelleri nesiller boyunca evrimleştiren genetik algoritmalar
Teşekkürler!
Python'da Hiperparametre Ayarlama
