IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-46162-1_10.html
   My bibliography  Save this book chapter

Hyperparameter Tuning

In: Online Machine Learning

Author

Listed:
  • Thomas Bartz-Beielstein

    (TH Köln, Institut Data Science, Engineering, and Analytics)

Abstract

Zusammenfassung Die in diesem Buch vorgestellten Online Machine Learning (OML)-Verfahren weisen eine Vielzahl von Einstellmöglichkeiten, sog. Hyperparameter, auf. So stehen für Hoeffding-Bäume eine Vielzahl von “Splittern” zur Erzeugung von Teilbäumen zur Verfügung. Es gibt unterschiedliche Verfahren zur Begrenzung der Baumgröße, um den Zeit- und Speicherbedarf in vernünftige Bahnen zu lenken. Hinzu treten noch viele weitere Hyperparameter, so dass eine händisch durchgeführte Suche nach der optimalen Einstellung sehr aufwändig ist und durch die Komplexität der Kombinationsmöglichkeiten zum Scheitern verurteilt ist. Daher wird in diesem Kapitel erläutert, wie eine automatische Optimierung der Hyperparameter durchgeführt werden kann. Neben der Optimierung des OML-Verfahrens ist das mit Sequential Parameter Optimization Toolbox (SPOT) durchgeführte Hyperparameter Tuning (HPT) auch für die Erklärbarkeit und Interpretation von OML-Verfahren von Bedeutung und kann zu einem effizienteren und somit ressourcenschonenden Algorithmus führen (“Green IT”).

Suggested Citation

  • Thomas Bartz-Beielstein, 2024. "Hyperparameter Tuning," Springer Books, in: Thomas Bartz-Beielstein & Eva Bartz (ed.), Online Machine Learning, edition 2, chapter 0, pages 123-150, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-46162-1_10
    DOI: 10.1007/978-3-658-46162-1_10
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a
    for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-46162-1_10. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.