การค้นหาแบบสุ่มมีความน่าจะเป็น 95% ของการค้นหาการรวมกันของพารามิเตอร์ภายในออพติม่า 5% ด้วยการวนซ้ำเพียง 60 ครั้ง เมื่อเปรียบเทียบกับวิธีการอื่น ๆ มันไม่ได้จมลงใน Optima ท้องถิ่น
ตรวจสอบการโพสต์บล็อกนี้ดีที่ Datoโดยอลิซเจิ้งเหอโดยเฉพาะส่วนHyperparameter ขั้นตอนวิธีการปรับจูน
ฉันรักภาพยนตร์ที่ผู้ที่ตกอับชนะและฉันรักเอกสารการเรียนรู้ของเครื่องจักรซึ่งการแก้ปัญหาอย่างง่าย ๆ แสดงให้เห็นว่ามีประสิทธิภาพอย่างน่าประหลาดใจ นี่คือเรื่องราวของ“ การค้นหาแบบสุ่มสำหรับการเพิ่มประสิทธิภาพพารามิเตอร์ไฮเปอร์พารามิเตอร์” โดย Bergstra และ Bengio [... ] การค้นหาแบบสุ่มไม่ได้จริงจังมากก่อน เนื่องจากไม่สามารถค้นหาจุดกริดทั้งหมดได้ดังนั้นจึงไม่สามารถเอาชนะการค้นหากริดที่เหมาะสมที่สุดได้ แต่แล้วก็มาตาม Bergstra และ Bengio พวกเขาแสดงให้เห็นว่าในหลาย ๆ กรณีการค้นหาแบบสุ่มนั้นมีประสิทธิภาพเช่นเดียวกับการค้นหาแบบตาราง โดยรวมแล้วการลองสุ่ม 60 คะแนนที่สุ่มตัวอย่างจากกริดดูเหมือนว่าจะดีพอ
(1−0.05)n. ความน่าจะเป็นที่อย่างน้อยหนึ่งคนที่ประสบความสำเร็จในการกดปุ่มช่วงเวลาคือ 1 ลบด้วยปริมาณนั้น เราต้องการความน่าจะเป็นอย่างน้อย. 95 ของความสำเร็จ เพื่อหาจำนวนการจับที่เราต้องการเพียงแค่แก้หา n ในสมการ:
1−(1−0.05)n>0.95
n⩾60
คุณธรรมของเรื่องราวคือ: ถ้าบริเวณใกล้เคียงกับ hyperparameters มีพื้นที่อย่างน้อย 5% ของพื้นผิวกริดการค้นหาแบบสุ่มด้วยการทดลอง 60 ครั้งจะพบว่าภูมิภาคมีความน่าจะเป็นสูง
คุณสามารถปรับปรุงโอกาสนั้นด้วยการทดลองจำนวนมากขึ้น
สรุปถ้าคุณมีพารามิเตอร์ในการปรับแต่งมากเกินไปการค้นหากริดอาจไม่สามารถทำได้ นั่นคือเมื่อฉันลองค้นหาแบบสุ่ม