parameter_expressions モジュール

  • リファレンス

ハイパーパラメーター検索空間を記述するために HyperDrive で使用できる関数を定義します。

これらの関数は、さまざまな種類のハイパーパラメーター分布を指定するために使用されます。 この分布は、ハイパーパラメーター スイープのサンプリングを構成するときに定義されます。 たとえば、RandomParameterSampling クラスを使用する場合は、不連続値のセットからサンプリングするか、連続値の分布からサンプリングするかを選択できます。 この場合、不連続値のセットの生成には choice 関数を、連続値の分布の生成には uniform 関数を使用できます。

これらの関数の使用例については、チュートリアル「https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters」を参照してください。

機能

choice

サンプリングする不連続オプション セットを指定します。

choice(*options)

パラメーター

options
list
必須

選択するオプションのリスト。

戻り値

確率式。

の戻り値の型 :

list

lognormal

exp(normal(mu, sigma)) に従って導かれる値を指定します。

戻り値の対数は通常は分散します。 最適化する場合、この変数は正の値に制限されます。

lognormal(mu, sigma)

パラメーター

mu
float
必須

正規分布の平均。

sigma
float
必須

正規分布の標準偏差。

戻り値

確率式。

の戻り値の型 :

list

loguniform

対数一様分布を指定します。

戻り値の対数が均等に分布するように、exp(uniform(min_value, max_value)) に従って値が導かれます。 最適化する場合、この変数は間隔 [exp(min_value), exp(max_value)] に制限されます

loguniform(min_value, max_value)

パラメーター

min_value
float
必須

範囲内の最小値は exp(min_value) (その値を含む) になります。

max_value
float
必須

範囲内の最大値は exp(max_value) (その値を含む) になります。

戻り値

確率式。

の戻り値の型 :

list

normal

平均ミューと標準偏差シグマを使用して正規分布された実際の値を指定します。

最適化する場合、これは制約されない変数です。

normal(mu, sigma)

パラメーター

mu
float
必須

正規分布の平均。

sigma
float
必須

正規分布の標準偏差。

戻り値

確率式。

の戻り値の型 :

list

qlognormal

round(exp(normal(mu, sigma)) / q) * q などの値を指定します。

目標がスムーズで、一方の側に限界がある変数のサイズによってよりスムーズになるという点で、不連続変数に適しています。

qlognormal(mu, sigma, q)

パラメーター

mu
float
必須

正規分布の平均。

sigma
float
必須

正規分布の標準偏差。

q
int
必須

スムージング係数。

戻り値

確率式。

の戻り値の型 :

list

qloguniform

round(exp(uniform(min_value, max_value) / q) * q 形式の一様分布を指定します。

これは、目標が "スムーズ" であり、値のサイズによってよりスムーズになるが、上と下の両方に境界を付けるべきという点で、不連続変数に適しています。

qloguniform(min_value, max_value, q)

パラメーター

min_value
float
必須

範囲内の最小値 (包含的)。

max_value
float
必須

範囲内の最大値 (包含的)。

q
int
必須

スムージング係数。

戻り値

確率式。

の戻り値の型 :

list

qnormal

round(normal(mu, sigma) / q) * q などの値を指定します。

mu の周りの値を受け取る可能性があるが、基本的には無限である不連続変数に適しています。

qnormal(mu, sigma, q)

パラメーター

mu
float
必須

正規分布の平均。

sigma
float
必須

正規分布の標準偏差。

q
int
必須

スムージング係数。

戻り値

確率式。

の戻り値の型 :

list

quniform

round(uniform(min_value, max_value) / q) * q 形式の一様分布を指定します。

これは、目標がまだやや "スムーズ" であるが、上と下の両方に境界を付けるべきという点で、不連続値に適しています。

quniform(min_value, max_value, q)

パラメーター

min_value
float
必須

範囲内の最小値 (包含的)。

max_value
float
必須

範囲内の最大値 (包含的)。

q
int
必須

スムージング係数。

戻り値

確率式。

の戻り値の型 :

list

randint

[0, upper] の範囲でランダムな整数のセットを指定します。

この分布のセマンティクスは、より離れた整数値と比較して、近くの整数値間の損失関数の相関関係がこれ以上ないということです。 これは、たとえばランダム シードを記述するための適切な分布です。 損失関数が近くの整数値に対してより相関している可能性がある場合は、quniform、qloguniform、qnormal、qlognormal などの "量子化された" 連続分布のいずれかを使用する必要があります。

randint(upper)

パラメーター

upper
int
必須

整数の範囲の排他的な上限。

戻り値

確率式。

の戻り値の型 :

list

uniform

サンプルの作成に使用する一様分布を指定します。

uniform(min_value, max_value)

パラメーター

min_value
float
必須

範囲内の最小値 (包含的)。

max_value
float
必須

範囲内の最大値 (包含的)。

戻り値

確率式。

の戻り値の型 :

list