申请/专利权人:甲骨文国际公司
申请日:2021-03-30
公开(公告)日:2022-11-25
公开(公告)号:CN115398419A
主分类号:G06F16/332
分类号:G06F16/332;G06N20/00
优先权:["20200330 US 63/002,159","20201130 US 63/119,577","20210329 US 17/216,496","20210329 US 17/216,498"]
专利状态码:在审-实质审查的生效
法律状态:2023.05.02#实质审查的生效;2022.11.25#公开
摘要:公开了用于对机器学习模型的超参数进行调优的技术。选择要为其对机器学习模型的超参数进行调优的多个度量。每个度量与包括目标分数、惩罚因子和奖励因子的多个规范参数相关联。根据第一准则为每个度量配置所述多个规范参数。使用一个或多个验证数据集评估机器学习模型以获得度量分数。基于度量分数与每个度量的目标分数之间的差、惩罚因子或奖励因子来制定加权损失函数。对与机器学习模型相关联的超参数进行调优以便优化加权损失函数。响应于加权损失函数被优化,提供机器学习模型作为经验证的机器学习模型。
主权项:1.一种方法,包括:选择要针对其对机器学习模型的超参数进行调优的多个度量,每个度量与包括该度量的目标分数、惩罚因子和奖励因子的多个规范参数相关联;根据第一准则为所述多个度量中的每个度量配置所述多个规范参数;使用一个或多个验证数据集来评估所述机器学习模型以获得所述多个度量中的每个度量的度量分数;基于度量分数与每个度量的目标分数之间的差、惩罚因子或奖励因子,制定加权损失函数;以及对与所述机器学习模型相关联的超参数进行调优以便优化所述加权损失函数;以及响应于所述加权损失函数被优化,提供所述机器学习模型作为经验证的机器学习模型。
全文数据:
权利要求:
百度查询: 甲骨文国际公司 用于基于目标的超参数调优的方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。