or
यह अभ्यास पाठ्यक्रम का हिस्सा है
हम "hyperparameter" जैसा अजीब शब्द क्यों इस्तेमाल करते हैं? इसमें "हाइपर" क्या है? यहाँ, आप समझेंगे कि मॉडल पैरामीटर क्या होते हैं और वे मशीन लर्निंग में हाइपरपैरामीटर से कैसे अलग हैं। इसके बाद आप देखेंगे कि हम इन्हें ट्यून क्यों करना चाहते हैं और कैसे caret की डिफ़ॉल्ट सेटिंग अपने-आप हाइपरपैरामीटर ट्यूनिंग शामिल करती है।
इस चैप्टर में, आप Cartesian ग्रिड के साथ हाइपरपैरामीटर ट्यून करना सीखेंगे। फिर, आप तेज़ और अधिक कुशल तरीकों को लागू करेंगे। आप Random Search और एडेप्टिव रिसैम्पलिंग का उपयोग करके पैरामीटर ग्रिड को ऐसे ट्यून करेंगे जो ऑप्टिमल सेटिंग्स के आसपास के मानों पर ज़्यादा ध्यान केंद्रित करे।
यहाँ, आप मशीन लर्निंग के लिए एक और पैकेज इस्तेमाल करेंगे जिसमें हाइपरपैरामीटर ट्यूनिंग के बहुत सुविधाजनक फंक्शन हैं। आप एक Cartesian ग्रिड परिभाषित करेंगे या Random Search करेंगे, साथ ही एडवांस्ड तकनीकों का प्रयोग करेंगे। आप यह भी सीखेंगे कि अलग-अलग हाइपरपैरामीटर के साथ मॉडलों को कैसे प्लॉट और इवैल्यूएट किया जाए।
अंतिम चैप्टर में, आप h2o का उपयोग करेंगे, जो मशीन लर्निंग के लिए एक और पैकेज है जिसमें हाइपरपैरामीटर ट्यूनिंग के बहुत सुविधाजनक फंक्शन हैं। आप इससे अलग-अलग मॉडल ट्रेन करेंगे और एक Cartesian ग्रिड परिभाषित करेंगे। फिर, आप Random Search लागू करेंगे और स्टॉपिंग क्राइटेरिया का उपयोग करेंगे। अंत में, आप AutoML सीखेंगे, जो h2o का एक इंटरफ़ेस है जो केवल एक फंक्शन से बहुत तेज़ और सुविधाजनक मॉडल और हाइपरपैरामीटर ट्यूनिंग की अनुमति देता है।
वर्तमान अभ्यास