Liên hệ
Tiếng Việt
Tiếng Anh
Thứ tư, 18/09/2024
Hyperparameter Tuning for Machine and Deep Learning with R. A Practical Guide
Cập nhật vào: Thứ tư - 05/07/2023 16:18
Nhan đề chính: Hyperparameter Tuning for Machine and Deep Learning with R. A Practical Guide
Nhan đề dịch: Điều chỉnh siêu tham số cho máy và học sâu với R. Hướng dẫn thực hành
Tác giả: Eva Bartz
Nhà xuất bản: Springer, Cham
Năm xuất bản: 2022
Số trang: 323 tr.
Ngôn ngữ: Tiếng Anh
ISBN: 978-981-19-5170-1
SpringerLink
Lời giới thiệu: Cuốn sách này cung cấp nhiều ví dụ thực hành minh họa cách điều chỉnh siêu tham số có thể được áp dụng trong thực tế và cung cấp thông tin chuyên sâu về cơ chế hoạt động của các phương pháp học máy (ML) và học sâu (DL). Mục đích của cuốn sách là trang bị cho người đọc khả năng đạt được kết quả tốt hơn với thời gian, chi phí, công sức và nguồn lực ít hơn đáng kể bằng cách sử dụng các phương pháp được mô tả ở đây. Các nghiên cứu điển hình được trình bày trong cuốn sách này có thể chạy trên máy tính để bàn hoặc máy tính xách tay thông thường. Không có cơ sở tính toán hiệu năng cao được yêu cầu. Ý tưởng cho cuốn sách bắt nguồn từ một nghiên cứu do Bartz & Bartz GmbH thực hiện cho Văn phòng thống kê Liên bang Đức (Destatis). Dựa trên nghiên cứu đó, cuốn sách được gửi đến các học viên trong ngành cũng như các nhà nghiên cứu, giáo viên và sinh viên trong giới học thuật. Nội dung tập trung vào điều chỉnh siêu tham số của các thuật toán ML và DL, được chia thành hai phần chính: lý thuyết (Phần I) và ứng dụng (Phần II). Các chủ đề thiết yếu được đề cập bao gồm: khảo sát các tham số mô hình quan trọng; bốn nghiên cứu điều chỉnh tham số và một nghiên cứu điều chỉnh tham số toàn cầu; phân tích thống kê về hiệu suất của các phương pháp ML và DL dựa trên mức độ nghiêm trọng; và một cách mới, dựa trên xếp hạng đồng thuận để tổng hợp và phân tích kết quả từ nhiều thuật toán. Cuốn sách trình bày các phân tích của hơn 30 siêu tham số từ sáu phương pháp ML và DL có liên quan, đồng thời cung cấp mã nguồn để người dùng có thể tái tạo kết quả. Theo đó, nó phục vụ như một cuốn sổ tay và sách giáo khoa.
Từ khóa: Học máy. Học sâu. Phương pháp. Minh họa.
Nội dung cuốn sách gồm những phần sau
Giới thiệu
Lý thuyết
Điều chỉnh: Phương pháp luận
Mô hình
Phương pháp điều chỉnh siêu tham số
Xếp hạng và tổng hợp kết quả
Các ứng dụng
Ứng dụng điều chỉnh và tối ưu hóa siêu tham số
Điều chỉnh siêu tham số trong thống kê chính thức của Đức
Nghiên cứu điển hình I: Điều chỉnh rừng ngẫu nhiên (Ranger)
Nghiên cứu điển hình II: Điều chỉnh Tăng cường độ dốc (xgboost)
Nghiên cứu điển hình III: Điều chỉnh mạng lưới thần kinh sâu
Nghiên cứu điển hình IV: Học tăng cường điều chỉnh (bằng Python)
Nghiên cứu toàn cầu: Ảnh hưởng của điều chỉnh
