文献

J-GLOBAL ID：202002252526105991   整理番号：20A1186815

極端な勾配ブースティングのための修正Bayes最適化ベースのハイパーパラメータチューニングアプローチ【JST・京大機械翻訳】

A Modified Bayesian Optimization based Hyper-Parameter Tuning Approach for Extreme Gradient Boosting

著者 (2件)： Putatunda Sayan (VMware Software India Pvt. Ltd.,Advanced Analytics & Data Sciences CoE,Bangalore,India) ,  Rama Kiran (VMware Software India Pvt. Ltd.,Advanced Analytics & Data Sciences CoE,Bangalore,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICInPro  ページ： 1-6  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習アルゴリズムの性能が適切なハイパーパラメータ最適化を実行することにより大きく影響されるという文献で既に報告されている。ハイパーパラメータ最適化を行う方法の一つは手動探索であるが,時間がかかる。ハイパーパラメータ最適化を実行するための一般的アプローチのいくつかは,グリッド探索ランダム探索とハイペロップを用いたBayes最適化である。本論文では,ハイパーパラメータ改善のためのブランドの新しいアプローチを提案した。すなわち,ランダム探索,Randomized-Hyporpt,HyporptおよびGrid探索を適用することにより,10個のデータセット上で,XGBoostのハイパーパラメータを調整する。これらの4つの技術の各々の性能を,予測精度と実行時間の両方を考慮することによって比較した。著者らは,Randomized-Hypopot法が,XGBoostのハイパーパラメータ最適化のための他の3つの従来の方法と比較して,最良の性能であると結論した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  ブランド ,  *同調 ,  学習アルゴリズム
準シソーラス用語： 予測精度 ,  *ブースティング ,  *ハイパーパラメータ ,  ランダム探索 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 勾配ブースティング ,  Bayes最適化