Carian grid

Carian grid (juga dikenali sebagai carian hiperparameter atau penalaan parameter) ialah teknik penalaan algoritma yang digunakan untuk mengenal pasti gabungan optimum hiperparameter untuk digunakan dalam model Pembelajaran Mesin. Ia adalah sejenis carian menyeluruh, di mana semua kemungkinan kombinasi hiperparameter dinilai dan dibandingkan untuk memilih model berprestasi terbaik.

Matlamat carian grid adalah untuk mengoptimumkan hiperparameter dan memaksimumkan ketepatan model. Ia berfungsi dengan mencipta grid berbilang nilai hiperparameter dan kemudian secara sistematik melalui grid satu demi satu untuk menentukan gabungan optimum hiperparameter. Pada setiap langkah, algoritma menilai satu titik grid hiperparameter untuk mencari gabungan hiperparameter terbaik yang paling baik meningkatkan prestasi model.

Carian grid ialah sejenis carian kekerasan, yang bermaksud bahawa semua kemungkinan kombinasi hiperparameter diuji, bukannya cuba menilai dan menilainya dengan cara yang lebih tepat. Ia adalah kaedah pengoptimuman hiperparameter yang paling mudah kerana ia tidak memerlukan banyak masa pengiraan. Walau bagaimanapun, ia boleh memakan masa dan sesuai terutamanya jika bilangan nilai hiperparameter tidak terlalu besar.

Carian grid ialah kaedah penalaan hiperparameter yang popular, terutamanya untuk Mesin Vektor Sokongan dan pengelas lain. Ia paling biasa digunakan pada model pembelajaran mesin mudah seperti Mesin Vektor Sokongan dan model hutan rawak untuk memperhalusi model ini untuk ketepatan dan prestasi yang dipertingkatkan.

Carian grid boleh dilaksanakan dalam perpustakaan Pembelajaran Mesin yang popular seperti Scikit-Learn dan TensorFlow untuk Python, Caret untuk R dan mlr untuk R/Python/Julia.