详细内容或原文请订阅后点击阅览
什么是贝叶斯优化以及它在机器学习中是如何使用的？
为什么重要：让我们深入贝叶斯优化的世界，探索其实际用途，尤其是在 ML 中微调参数时。
来源:人工智能+简介
简介优化是人类固有的行为，它推动着社会改善周围环境。设计问题广泛存在于各个领域，例如工程、制药、软件开发等。这些问题通常涉及复杂且难以解决的高维决策。自动化设计决策对于推动多个领域的产品和创新至关重要。
贝叶斯优化方法使用统计模型来深入了解目标函数，自 20 世纪 60 年代以来一直在不断改进。此目标函数代表了优化目标，例如降低成本或提高性能。贝叶斯优化在优化以下目标方面找到了自己的优势：
- 计算成本高，无法进行详尽评估。（昂贵成本函数的贝叶斯优化）缺乏有用的表达，充当“黑匣子”。没有准确评估，而是通过间接或嘈杂的机制进行评估。 （有噪声的域，无噪声的域）没有提供有效的机制来估计它们的梯度。
机器学习算法通常涉及许多对其性能有显著影响的超参数。 为了有效利用这些算法，选择最佳超参数值（贝叶斯超参数优化）至关重要。
另请阅读：什么是 Adam 优化器以及如何在机器学习中使用
另请阅读：什么是 Adam 优化器以及如何在机器学习中使用 另请阅读：什么是 Adam 优化器以及如何在机器学习中使用 什么是 Adam 优化器以及如何在机器学习中使用 σ κ