Đánh giá tác động của việc điều chỉnh siêu tham số đối với hiệu năng của các mô hình học máy truyền thống
Tác giả: Trịnh Quang Tin, Phan Long, Phạm Phú Khương, Ngô Văn Hiếu, Nguyễn Tấn Quốc, Hồ Viết Lê Nin
Số trang:
Tr. 79-92
Số phát hành:
Số 01(74)
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
03 Quang Trung
Mã phân loại:
005
Ngôn ngữ:
Tiếng Anh
Từ khóa:
AST, Bayesian optimization, điều chỉnh siêu tham số, học máy, XGBoost
Chủ đề:
Mô hình học máy
Tóm tắt:
Trình bày một nghiên cứu thực nghiệm có cấu trúc chặt chẽ nhằm phân tích hiệu năng của ba mô hình học máy truyền thống (SVM, RF, XGBoost) khi được kết hợp với ba chiến lược điều chỉnh siêu tham số phổ biến (Grid Search, Random Search, Bayesian optimization).
Tạp chí liên quan
- Xây dựng mô hình học máy được tối ưu hóa bằng thuật toán jellyfish search để dự báo năng suất lao động trên công trường
- Phân tích logs ứng dụng học máy hỗ trợ giám sát an toàn thông tin ngành Tài nguyên và Môi trường
- Ứng dụng mô hình học máy tối ưu hóa quản trị nguồn nhân lực trong doanh nghiệp
- Dự đoán cường độ liên kết giữa cốt thép bị ăn mòn và lớp bê tông xung quanh bằng phương pháp XGBoost





