Hyperparameteroptimering är ett viktigt uppdrag för att effektivt kunna använda en modell för maskininlärning. Att utföra detta manuellt kan vara tidskrävande, utan garanti för god kvalitet på resulterande hyperparametrar. Att använda verktyg för detta ändamål är att föredra, men det finns ett stort antal verktyg som använder olika algoritmer. Hur effektiva dessa olika verktyg är relativt varandra är ett mindre utforskat område. Denna studie bidrar med en enkel analys av hur två verktyg för sökning av hyperparametrar, Scikit och Ray Tune, fungerar i jämförelse med varandra.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:liu-176694 |
| Date | January 2021 |
| Creators | Lundberg, Patrick |
| Publisher | Linköpings universitet, Artificiell intelligens och integrerade datorsystem |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0073 seconds