オルタナティブ・ブログ > 吉政忠志のベンチャービジネス千里眼 >

IT業界でベンチャービジネスの支援をしている執筆者が日々の活動ログと感じたことを、徒然なるままに書き綴っていきます。

グーグルのクラウドを支えるテクノロジー > 第53回 ハイパーパラメーターチューニングの新手法(パート1)

»

私が編集支援している、中井悦司氏のコラム「グーグルのクラウドを支えるテクノロジー」第53回「ハイパーパラメーターチューニングの新手法(パート1)」が公開されました。

興味がある方はご覧ください。

###

はじめに

 今回からは、数回に分けて、2018年に公開された論文「Population Based Training as a Service」、および、それに深く関連する2017年の論文「Population Based Training of Neural Networks」を紹介していきます。前者は、機械学習におけるハイパーパラメーターチューニングの新しい手法である、「Population Based Training」をクラウドサービスとして提供しようという提案で、Google Cloud Platform(GCP)のCloud Machine Learning Engine(CMLE)、特に、ハイパーパラメーターチューニング・サービスを使用している方には、親近感のわく話題かも知れません。

ハイパーパラメーターチューニングとは?

 はじめに、機械学習におけるハイパーパラメーターチューニングを復習しておきます。機械学習というのは、なんらかの予測処理を行う数式を多数のパラメーターを含む形で用意しておき、学習用データを用いてこれらのパラメーターを最適化する、すなわち、より正解率の高い予測ができるようにパラメーターをチューニングする仕組みです。また、機械学習ではすべての処理が自動化されていて、学習データを与えるだけで、前述の数式(一般的な用語でいうと、機械学習モデル)が完成すると誤解されることもありますが、実際には、データの特性にあわせて、人間(データサイエンティスト)が試行錯誤で調整するパラメーターもたくさんあります。詳しい説明は省きますが、代表的なハイパーパラメーターには、次のようなものがあります。

この続きは以下をご覧ください
https://www.school.ctc-g.co.jp/columns/nakai2/nakai253.html

Comment(0)

コメント

コメントを投稿する