文件名称：Hyperparameter-Optimization-of-Machine-Learning-Algorithms:机器学习和深度学习模型的超参数优化调整方法的实现（简单明了）
文件大小：620KB
文件格式：ZIP
更新时间：2024-04-06 19:38:38
machine-learning deep-learning random-forest optimization svm
机器学习算法的超参数优化 该代码为机器学习算法提供了超参数优化实现，如“关于机器学习算法的超参数优化：理论与实践”中所述。 为了使机器学习模型适应不同的问题，必须调整其超参数。 为机器学习模型选择最佳的超参数配置会直接影响模型的性能。 本文研究了常见机器学习模型的超参数优化问题。 我们介绍了几种最先进的优化技术，并讨论了如何将其应用于机器学习算法。 提供了许多针对超参数优化问题开发的可用库和框架，并且本文还讨论了超参数优化研究的一些开放挑战。 此外，还对基准数据集进行了实验，以比较不同优化方法的性能，并提供超参数优化的实际示例。 本文和代码将通过有效地识别适当的超参数配置，帮助行业用户，数据分析师和研究人员更好地开发机器学习模型。 纸 机器学习算法的超参数优化：理论与实践 快速导航 第3节：常见机器学习算法的重要超参数第4节：超参数优化技术介绍第5节：如何为不同的机器学习模型选择优化
【文件预览】：
Hyperparameter-Optimization-of-Machine-Learning-Algorithms-master
----HPO_Regression.ipynb(71KB)
----Paper_2007.15745.pdf(739KB)
----LICENSE(1KB)
----README.md(9KB)
----HPO_Classification.ipynb(67KB)