Limites de la recherche en grille et aléatoire

Amorçage de gradient avancé avec XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Limites : recherche en grille et aléatoire

  • Recherche en grille
    • Le nombre de modèles à entraîner explose dès qu'on ajoute des paramètres
  • Recherche aléatoire
    • L'espace des paramètres à explorer peut être immense
    • Sauter au hasard dans l'espace pour trouver le « meilleur » résultat devient une attente interminable
Amorçage de gradient avancé avec XGBoost

Passons à la pratique !

Amorçage de gradient avancé avec XGBoost

Preparing Video For Download...