Przy dużej liczbie parametrów, sprawdzenie wszystkich kombinacji jest w praktyce niemożliwe, dlatego optymalizatory takie jak Optuna pozwalają efektywnie przeszukiwać przestrzeń możliwych parametrów, zbiegajac co najmniej do lokalnego optimum.
@the_mcz - RandomizedSearchCV to też nie to samo. W przypadku RandomizedSearchCV przeszukiwanie przestrzeni jest w pełni losowe, natomiast Optuna używa (domyślnie) algorytmu TPE (Tree-structured Parzen Estimator), który każdej iteracji równoważy eksplorację (poszukiwanie nowych, potencjalnie lepszych rozwiązań) i eksploatację (wykorzystywanie znanych, dobrych rozwiązań).
👍
Chetnie bym posłuchał o feature selection 💪
Dzieki
GridSearchCV
Przy dużej liczbie parametrów, sprawdzenie wszystkich kombinacji jest w praktyce niemożliwe, dlatego optymalizatory takie jak Optuna pozwalają efektywnie przeszukiwać przestrzeń możliwych parametrów, zbiegajac co najmniej do lokalnego optimum.
@@ml-workout a przepraszam - rzeczywiście mamy tutaj siatkę parametrów, natomiast RandomizedSearchCV działa podobnie, jak pokazaliście na filmie
@the_mcz - RandomizedSearchCV to też nie to samo. W przypadku RandomizedSearchCV przeszukiwanie przestrzeni jest w pełni losowe, natomiast Optuna używa (domyślnie) algorytmu TPE (Tree-structured Parzen Estimator), który każdej iteracji równoważy eksplorację (poszukiwanie nowych, potencjalnie lepszych rozwiązań) i eksploatację (wykorzystywanie znanych, dobrych rozwiązań).