close
Ugrás a tartalomhoz

hyperparameter optimization

A Wikiszótárból, a nyitott szótárból


Főnév

hyperparameter optimization (tsz. hyperparameter optimizations)

  1. (informatika) A hyperparameter optimization (magyarul: hiperparaméter-optimalizálás) a gépi tanulásban azt a folyamatot jelenti, amelynek során megkeressük azokat a hiperparaméter-értékeket, amelyek egy tanulási algoritmus teljesítményét maximalizálják egy adott feladatra.



🧠 Mi az a hiperparaméter?

A hiperparaméterek nem tanulható paraméterek. Ezeket a tanítás előtt kell beállítani, és befolyásolják az algoritmus viselkedését.

Példák:

  • döntési fa mélysége
  • tanulási ráta (learning rate) neurális hálóban
  • regulárizációs tényező (pl. Ridge/Lasso)
  • kernel típusa SVM-ben
  • rejtett neuronok száma



🎯 Cél

Olyan hiperparaméter-értékek megtalálása, amelyek:

  • jobb pontosságot eredményeznek
  • elkerülik az overfittinget
  • gyorsabb tanulást biztosítanak



🔧 Népszerű keresési módszerek

Módszer Leírás
Grid search Rácsszerűen kipróbál minden kombinációt – lassú, de egyszerű
Random search Véletlenszerű kombinációk – gyorsabb, gyakran hatékonyabb
Bayesian optimization A korábbi eredmények alapján következtet új jó kombinációkra
Hyperband Hatékony, korai leállítást használ, kevesebb erőforrást pazarol
Genetikus algoritmus Evolúciós keresés, adaptív megközelítés



🧪 Példa: GridSearchCV a scikit-learn-ben

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV

param_grid = {
    'n_estimators': [100, 200],
    'max_depth': [5, 10, None],
    'criterion': ['gini', 'entropy']
}

clf = RandomForestClassifier()
grid = GridSearchCV(clf, param_grid, cv=5)
grid.fit(X_train, y_train)

print("Legjobb paraméterek:", grid.best_params_)

🧩 Tippek

  • Először durva keresés, majd finomhangolás (pl. random → grid)
  • Valódi célfüggvény legyen (pl. F1-score, ne csak accuracy)
  • Kereszthitelesítés (cross-validation) segít reálisabb eredményeket adni
  • Automatizálható: pl. Optuna, Ray Tune, skopt, Hyperopt



📊 Összefoglaló

Fogalom Jelentés
Hiperparaméter A modell külső beállítása (pl. tanulási ráta)
Optimalizáció célja Legjobb teljesítmény elérése adott metrika szerint
Használt technikák Grid search, random search, Bayesian, genetikus algoritmus stb.
Tipikus eszközök scikit-learn, Optuna, Hyperopt, Ray Tune, Keras Tuner