Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- mllib
- Spark MLlib
- AI tech
- RDD
- NLP
- pycharm
- 맛집
- 부스트클래스
- AI Tech 준비과정
- 연남 맛집
- Python
- Ai
- AI 엔지니어 기초 다지기
- 자연어
- 데이터 시각화
- yolo
- 서울 맛집
- TensorFlow
- kaggle
- 부스트캠프
- r
- tensorflow 예제
- 캐글
- DataSet
- Transformer
- spark
- 부스트캠프 ai tech 준비과정
- 홍대 맛집
- 연남동 맛집
- 위기의코딩맨
Archives
- Today
- Total
반응형
목록hyperopt (1)
반응형
We-Co
[We-Co] Hyperparameter Tuning - Bayesian Oprimization
안녕하세요. 위기의 코딩맨입니다. 오늘은 하이퍼 파라미터를 설정하는 방법들을 알아보도록 하게습니다. [ Grid Search ] 모델의 가장 적합한 하이퍼 파라미터를 찾기 위해서 모든 값들의 조합을 이용하여 가장 높은 성능의 하이퍼 파라미터를 찾는 탐색 방법입니다. maxD = [ 1, 3 ,5 ,7, 9 ] colS = [ 0.5, 0.7, 0.9 ] 1 = [ 0,5 ] , 1 = [ 0. 7 ] 1 = [ 0. 9 ] .... 9 = [ 0.7 ] 9 = [ 0.9 ] 총 5 * 3, 즉 15개의 조합을 이용하여 최적의 성능을 찾는 방법입니다. 해당 방법은 모든 조합을 탐색하지만 Random Search 방법을 사용하면 설정한 조합만큼 꺼낼 수 있습니다. 예를들면, Random Search의 값을 ..
Spark
2022. 3. 18. 15:27