深入机器学习模型的超参数调优，关注什么是超参数以及它们是如何工作的。这本书讨论了超参数调优的不同技术，从基础到高级方法。
这是一个循序渐进的超参数优化指南，从什么是超参数以及它们如何影响机器学习模型的不同方面开始。然后通过一些基本的(蛮力的)超参数优化算法。进一步，作者提出了时间和内存约束的问题，使用分布式优化方法。接下来，您将讨论超参数搜索的贝叶斯优化，它从以前的历史中学习。
这本书讨论了不同的框架，如Hyperopt和Optuna，它们实现了基于顺序模型的全局优化(SMBO)算法。在这些讨论中，您将关注不同的方面，比如搜索空间的创建和这些库的分布式优化。
机器学习中的超参数优化创建了对这些算法如何工作的理解，以及如何在现实生活中的数据科学问题中使用它们。最后一章总结了超参数优化在自动机器学习中的作用，并以创建自己的AutoML脚本的教程结束。
超参数优化是一项繁琐的任务，所以请坐下来，让这些算法来完成您的工作。
https://link.springer.com/book/10.1007/978-1-4842-6579-6#about
你会:
专知便捷查看
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源
