gpReg

Quels sont les solveurs disponibles pour optimiser l'apprentissage et quand les utiliser ?

Pour ajuster les hyperparamètres du modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting)., gpReg s'appuie sur le paramètre nloOpts qui permet de choisir entre deux solveurs principaux :

  • ADAM (Adaptive Moments) : Recommandé pour la plupart des cas car il ajuste dynamiquement le taux d'apprentissage, offrant une convergence rapide et stable.
  • SGD (Stochastic Gradient Descent) : Très efficace pour les volumes de données extrêmement larges où la mémoire est une contrainte forte.
L'utilisateur peut finement contrôler l'optimisation via des sous-paramètres comme learningRate ou miniBatchSize pour équilibrer temps de calcul et précision du modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting)..

Exemples pour l'action gpReg

Entraînement basique d'un modèle de régression par processus gaussien

Un exemple minimaliste pour entraîner un modèle sur nos données générées en utilisant le noyau RBF par défaut. Simple et efficace.

Régression GP avec ARD, sauvegarde du modèle et optimisation avancée

Ici, on sort l'artillerie lourde. On utilise la détermination automatique de pertinence (ARD), on modifie le noyau, on fixe le nombre de points d'induction, et on sauvegarde l'état du modèle analytique pour le réutiliser plus tard. Le tout en une seule ligne compacte pour tester vos réflexes visuels.

Cette réponse vous a-t-elle aidé ?

Utilisateur FAQ SAS Viya
Vos votes aident à améliorer notre base de connaissances.

Action CAS associée

nonParametricBayes

gpReg
À lire aussi...
Pourquoi l'action gpReg est-elle la solution ultime pour les prédictions avec estimation d'incertitude ? Comment maximiser la précision du modèle en choisissant le bon noyau (Kernel) ? Comment gpReg parvient-elle à traiter des millions de lignes sans saturer la mémoire de CAS ? Comment déployer un modèle gpReg en production au sein d'une architecture microservices ? Quel est l'avantage business d'activer l'ARD (Automatic Relevance Determination) dans vos modèles ?