hyperopt/hyperopt

해결하는 문제

Hyperopt는 머신러닝 모델에 최적의 하이퍼파라미터를 찾는 과정을 단순화합니다. 실수형, 이산형 및 조건부 차원이 혼합된 "까다로운" 탐색 공간을 최적화할 수 있도록 하여 모델 성능을 조정하는 데 필요한 수동 작업을 줄여줍니다.

작동 방식

사용자는 최소화할 목적 함수와 hp 모듈을 사용하여 탐색 공간을 정의합니다. 그런 다음 Hyperopt는 최적화 알고리즘을 적용하여 최적의 매개변수를 제안합니다. 다음 세 가지 주요 알고리즘을 지원합니다:

• Random Search: 매개변수 샘플링을 위한 베이스라인 접근 방식.
• Tree of Parzen Estimators (TPE): 베이지안 최적화 접근 방식.
• Adaptive TPE: TPE의 진화된 버전.

대규모 작업을 처리하기 위해 이 라이브러리는 Apache Spark 또는 MongoDB를 사용하여 평가를 병렬화할 수 있습니다.

대상 사용자

다양한 유형의 데이터 분포에 걸쳐 복잡한 모델 매개변수 튜닝을 자동화해야 하는 데이터 과학자 및 ML 엔지니어를 위해 설계되었습니다.

주요 특징

• 유연한 탐색 공간: 실수형, 이산형 및 조건부 차원을 지원합니다.
• 분산 최적화: 병렬 실행을 위한 Apache Spark 및 MongoDB 통합.
• 다양한 알고리즘: TPE, Adaptive TPE 및 Random Search를 포함합니다.
• 확장 가능한 설계: 베이지안 최적화 알고리즘을 수용할 수 있도록 구축되었습니다.