ハイパーパラメータ・チューニングのパフォーマンスを向上させる方法
このトピックでは、需要または需要と供給プランのBayesian機械学習タイプのユーザー定義予測プロファイルの予測パラメータについて、ハイパーパラメータ・チューニングのパフォーマンスを向上させる方法について説明します。
ハイパーパラメータ・チューニング・カテゴリで次の予測パラメータを使用して、ハイパーパラメータ・チューニングのパフォーマンスを向上させます。
- HypertuneMaxPermutations: この予測パラメータを使用して、評価する必要があるハイパーパラメータ・チューニング値の最大順列数を指定します。
ハイパーパラメータ・チューニング値は、予測プロファイルを作成または編集するためのガイド・プロセスの「パラメータ」ステップの「ハイパーパラメータ・チューニング値」列で指定される値です。 列に使用可能な値がない場合、HypertuneParamSet予測パラメータのデフォルト値が最適な値の選択に使用されます。
0(ゼロ)または1を入力すると、予測ノード(組合せ)についてすべての順列を評価します。 1より大きい値は、ランダム・ウォーク・アルゴリズムによって予測ノードに対して評価されるパーミテーションの最大数です。 デフォルト値は100です。
ランダム・ウォーク・アルゴリズムは、順列数がHypertuneMaxPermutations予測パラメータの値とハイパーパラメータ・チューニングの値数の合計より大きい場合に使用されます。 それ以外の場合、アルゴリズムは使用されず、ハイパーパラメータ・チューニング値のすべての組合せが予測ノードで評価されます。
random-walkアルゴリズムは次のように動作します。
- ハイパーパラメータ・チューニング値を持つ各予測パラメータは、個別に評価されます。
- ハイパーパラメータ・チューニング値がまとめられるすべての予測パラメータについて、一度に1つずつ値が小さくランダムに変更され、予測精度が評価されます。
- 予測精度が向上すると、変更が受け入れられます。
- 予測精度が改善されない場合は、前の値が保持されます。
これらのステップは、HypertuneMaxPermutations予測パラメータの値で指定された回数、予測ノードごとに繰り返されます。
- HypertuneDisableSlowMethods: この予測パラメータを使用して、ハイパーパラメータ・チューニング中の予測メソッドを無効にします。 一部の予測メソッドを無効にすると、ハイパーパラメータ・チューニングに必要な時間を大幅に短縮できます。 ただし、無効にした予測方法は、予測ノードの最終予測の計算中も使用されます。
予測方法は、文書で指定できます。 デフォルト値はCEKで、これはMultiplicative Monte Carlo Regression (C)、Combined Transformation (E)およびMultiplicative Monte Carlo Intermittent (K)という名前の予測メソッドが無効であることを意味します。 予測パラメータの値がNULLの場合、値はCEKとみなされます。 予測パラメータ値として0(ゼロ)を入力した場合、予測方法は無効になりません。
予測メソッドおよびその文字の詳細は、「予測メソッド」というタイトルのトピックを参照してください。