資料の 英語版 に戻るハイパーパラメーター定義
ハイパーパラメーター定義
最終更新: 2024年10月07日
エクスペリメントのトレーニングで使用されるハイパーパラメーターの定義。 フレームワークおよび融合方式に応じて、これらのハイパーパラメーター・オプションの 1 つ以上を使用できます。
| ハイパーパラメーター | 説明 |
|---|---|
| 回 | Int value. 統合機能とリモート・システムの間で完了するトレーニング反復の回数。 |
| 終了の精度 (オプション) | 浮動小数点値。 model_accuracy を取り、それを数値と比較します。 条件が満たされる場合、エクスペリメントは早期に終了します。 例えば、参加パーティーのモデル正確度の平均が 80% 以上になると、 termination_predicate: accuracy >= 0.8 は実験を終了します。 現在、統合学習は、分類モデルに対してのみ、1 つのタイプの早期終了条件 (モデル精度) を受け入れます。 |
| クォーラム (オプション) | 浮動小数点値。 アグリゲーターが特定の比率のパーティー応答に到達した後、モデルのトレーニングを続行します。 0 から 1 までの 10 進値を取ります。 デフォルトは、1 です。 モデルのトレーニングは、パーティー応答が示された比率値に達した後にのみ開始されます。 例えば、この値を 0.5 に設定すると、登録済みパーティーの 50% がアグリゲーター呼び出しに応答した後にトレーニングが開始されます。 |
| 最大タイムアウト (オプション) | Int value. パーティー応答の待機時間がこの値 (秒) を超えると、統合学習エクスペリメントを終了します。 最大 43200 までの数値を取ります。 この値 (秒) が経過しても quorum 率に達しない場合、エクスペリメントは終了します。 例えば、パーティーがその時間内に応答しない場合、 max_timeout = 1000 はテストを 1000 秒後に終了します。 |
| スケッチの正確度とプライバシー (オプション) | 浮動小数点値。 XGBoost トレーニングで使用され、アグリゲーターに送信されるスケッチ・データの相対的な正確度を制御します。 0 から 1 までの 10 進値を取ります。 値が高いほど、モデルの品質は向上しますが、データ・プライバシーは減少し、リソース使用量が増加します。 |
| クラスの数 | Int value. 分類モデルのターゲット・クラスの数。 「Loss」ハイパーパラメーターが - auto - binary_crossentropy- categorical_crossentropyの場合は必須です |
| 学習レート | 10 進値。 学習率は shrinkageとも呼ばれます。 これは、リーフ値の乗法因子として使用されます。 |
| 損失 | ストリング値。 ブースティング・プロセスで使用する損失関数。 - binary_crossentropy (ロジスティック損失とも呼ばれる) は、二項分類に使用されます。- categorical_crossentropy は、マルチクラス分類に使用されます。 - auto は、問題の性質に応じていずれかの損失関数を選択します。 - least_squares は回帰に使用されます。 |
| Max iter | Int value. Scikit-learn モデルをトレーニングするためのローカル・トレーニング・データ・セットに対するパスの総数。 |
| N クラスター (N cluster) | Int value. 形成するクラスターの数と、生成する重心の数。 |
| エポック (オプション) | Int value. 各ラウンドの各リモート・パーティーによって実行されるローカル・トレーニング反復の数。 例えば、「Rounds」を 2 に設定し、「Epochs」を 5 に設定した場合、すべてのリモート・パーティーは、モデルがアグリゲーターに送信される前にローカルで 5 回トレーニングされます。 ラウンド 2 では、アグリゲーター・モデルがすべてのパーティーによって 5 回ローカルで再度トレーニングされ、アグリゲーターに再送信されます。 |
| シグマ | 浮動小数点値。 ローカル・モデル・ニューロンに許容されるグローバル・モデルからの距離を決定します。 値を大きくすると、より多くのマッチングが可能になり、より小さいグローバル・モデルが生成されます。 デフォルト値は 1 です。 |
| sigma0 | 浮動小数点値。 グローバル・ネットワーク・ニューロンの許容偏差を定義します。 デフォルト値は 1 です。 |
| ガンマ | 浮動小数点値。 インド・バッファー・プロセス・パラメーターは各観測で予期される特徴量の数を制御します。 デフォルト値は 1 です。 |