基于GP的貝葉斯優(yōu)化算法超參數(shù)優(yōu)化研究

打開文本圖片集

中圖分類號(hào)：TP181文獻(xiàn)標(biāo)志碼：A

隨著大數(shù)據(jù)技術(shù)不斷發(fā)展，預(yù)測(cè)模型廣泛應(yīng)用于金融、醫(yī)療和教育等眾多領(lǐng)域，復(fù)雜預(yù)測(cè)模型在處理高維、非線性數(shù)據(jù)方面優(yōu)勢(shì)顯著，但是超參數(shù)調(diào)整的復(fù)雜性制約了其性能提升[]?，F(xiàn)行的網(wǎng)格搜索和隨機(jī)搜索兩2類超參數(shù)優(yōu)化方法各有弊端，網(wǎng)格搜索計(jì)算復(fù)雜度高，隨維度上升，負(fù)擔(dān)劇增；隨機(jī)搜索雖然效率較高，卻無法保證在有限采樣次數(shù)內(nèi)找到最優(yōu)超參數(shù)組合。（剩余7102字）