grid search

Grid Search Algoritması ile Parametre Optimizasyonu – #2

Makine öğrenmesinde iki tür paremetre vardır. Birincisi eğitim setinden öğrenilen veriler, örneğin; lojistik regresyondaki ağırlıklar ve ayrı olarak optimize edilen  öğrenme algoritmasının parametreleri. İkincisi ise tuning (sıklık uyumlaması) parametreleridir. Örneğin, Decision Tree modelindeki depth (derinlik) tuning parametresidir. Bu parametreleri optimize etmek için kullanılan teknik grid search tekniğidir. Model paremetreleri algoritmaya verilir ve en iyi performansı veren parametre değerlerine böylece karar verilebilir. Aşağıda Kernel SVM modeli kullanılarak Grid Search algoritması gösterilmiştir.

 

Kaynaklar:

1 – Python Machine Learning,SebastianRachka, Ch.6 , P.210

Grid Search Algoritması ile Parametre Optimizasyonu - #2
Grid Search Algoritması ile Parametre Optimizasyonu - #2
Makine öğrenmesinde iki tür paremetre vardır. Birincisi eğitim setinden öğrenilen veriler, örneğin; lojistik regresyondaki ağırlıklar ve ayrı olarak optimize edilen  öğrenme algoritmasının parametreleri.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir