Počet záznamů: 1
Hyperparameters search methods for machine learning linear workflows
- 1.
SYSNO ASEP 0519370 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Hyperparameters search methods for machine learning linear workflows Tvůrce(i) Pešková, K. (CZ)
Neruda, Roman (UIVT-O) SAI, RID, ORCIDZdroj.dok. 18th IEEE International Conference on Machine Learning and Applications ICMLA 2019. Proceedings. - Piscataway : IEEE, 2019 - ISBN 978-1-7281-4550-1 Rozsah stran s. 1205-1210 Poč.str. 6 s. Forma vydání Online - E Akce ICMLA 2019: IEEE International Conference on Machine Learning and Applications /18./ Datum konání 16.12.2019 - 19.12.2019 Místo konání Boca Raton Země US - Spojené státy americké Typ akce WRD Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova hyperparameters optimization ; machine learning workflows ; data preprocessing Vědní obor RIV IN - Informatika Obor OECD Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8) CEP GA18-23827S GA ČR - Grantová agentura ČR Institucionální podpora UIVT-O - RVO:67985807 EID SCOPUS 85080947919 DOI 10.1109/ICMLA.2019.00199 Anotace Hyperparameters optimization is one of the most important metalearning features that is used in AutoML systems. In this paper we use hyperparameters-space search algorithms to optimize the settings of supervised machine learning methods and workflows. We focus on changes in performance of hyperparameters optimization algorithms with the growing complexity of the hyperparameters-space, when using the data preprocessings adds more parameters to the configuration and thus more dimensions to the searched space. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2020
Počet záznamů: 1