parameter_expressions Módulo

  • Referencia

Define funciones que se pueden usar en HyperDrive para describir un espacio de búsqueda de hiperparámetros.

Estas funciones se usan para especificar diferentes tipos de distribuciones de hiperparámetros. Las distribuciones se definen al configurar el muestreo para un barrido de hiperparámetros. Por ejemplo, cuando se usa la clase RandomParameterSampling, puede elegir muestrear desde un conjunto de valores discretos o una distribución de valores continuos. En este caso, podría usar la función choice para generar un conjunto discreto de valores y una función uniform para generar una distribución de valores continuos.

Para obtener ejemplos del uso de estas funciones, consulte el tutorial: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.

Funciones

choice

Especifique un conjunto discreto de opciones de las que se muestrea.

choice(*options)

Parámetros

options
list
Requerido

Lista de opciones entre las que elegir.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

lognormal

Especifique un valor que se extrae según exp(normal(mu, sigma)).

El logaritmo del valor devuelto se distribuye normalmente. Al optimizar, esta variable está restringida a ser positiva.

lognormal(mu, sigma)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

loguniform

Especifique una distribución uniforme de registro.

Un valor que se extrae según exp(uniform(min_value, max_value)) de forma que el logaritmo del valor devuelto se distribuye uniformemente. Al optimizar, esta variable está restringida al intervalo [exp(min_value), exp(max_value)]

loguniform(min_value, max_value)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo será exp(min_value) (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo será exp(max_value) (inclusivo).

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

normal

Especifique un valor real que se distribuye normalmente con media mu y desviación estándar sigma.

Al optimizar, se trata de una variable sin restricciones.

normal(mu, sigma)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

qlognormal

Especifique un valor como round(exp(normal(mu, sigma)) / q) * q.

Adecuado para una variable discreta con respecto a la cual el objetivo es suave y se suaviza con el tamaño de la variable, que está delimitada desde un lado.

qlognormal(mu, sigma, q)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

qloguniform

Especifique una distribución uniforme del formato round(exp(uniform(min_value, max_value) / q) * q.

Esto es adecuado para una variable discreta con respecto a la cual el objetivo es "smooth" y se suaviza con el tamaño del valor, pero que se debe delimitar por encima y por debajo.

qloguniform(min_value, max_value, q)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo (inclusivo).

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

qnormal

Especifique un valor como round(normal(mu, sigma) / q) * q.

Adecuado para una variable discreta que probablemente toma un valor alrededor de mu, pero está fundamentalmente sin enlazar.

qnormal(mu, sigma, q)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

quniform

Especifique una distribución uniforme del formato round(uniform(min_value, max_value) / q) * q.

Esto es adecuado para un valor discreto con respecto al cual el objetivo sigue siendo algo "smooth", pero que se debe delimitar por encima y por debajo.

quniform(min_value, max_value, q)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo (inclusivo).

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

randint

Especifique un conjunto de enteros aleatorios en el intervalo [0, superior).

La semántica de esta distribución es que no hay más correlación en la función de pérdida entre los valores enteros cercanos, en comparación con los valores enteros más lejanos. Se trata de una distribución adecuada para describir los valores de inicialización aleatorios, por ejemplo. Si la función de pérdida está más correlacionada para los valores enteros cercanos, probablemente debería usar una de las distribuciones continuas "cuantificadas", como quniform, qloguniform, qnormal o qlognormal.

randint(upper)

Parámetros

upper
int
Requerido

El límite superior exclusivo para el intervalo de enteros.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list

uniform

Especifique una distribución uniforme de la que se toman las muestras.

uniform(min_value, max_value)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo (inclusivo).

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

list