BTB (“Bayesian Tuning and Bandits”) là một phần mềm mở, dễ mở rộng cho việc phát triển hệ thống tự động điều chỉnh như các hệ thống AutoML. Nó cung cấp một giao diện dễ sử dụng để điều chỉnh các mô hình và lựa chọn giữa các mô hình.
BTB là gì?
BTB là một dự án mã nguồn mở của Data to AI Lab tại MIT, Mỹ. Đây là một thư viện tinh chỉnh tự động cho các hệ thống AutoML. Nó đã được phát triển và kiểm tra trên Python 3.6, 3.7 và 3.8.
BTB có thể được sử dụng trong nhiều hệ thống AutoML như ATM, hệ thống AutoML phân loại phân tán đa người dùng, hệ thống của MIT cho chương trình D3M (Data-driven discovery of models) của DARPA và AutoBazaar, một hệ thống AutoML đa năng linh hoạt.
Nếu bạn muốn khám phá BTB nhanh chóng, hãy nhấp vào nút bên dưới và theo các hướng dẫn!
FO4VN ─ Đội hình Chiến thuật FO4 ─ Tra cứu cầu thủ FO4
Hướng dẫn sử dụng BTB
Trước tiên, chúng ta cần phát triển một hàm điểm số. Đây là một hàm Python, cho một tên mô hình và một cấu hình siêu tham số, đánh giá hiệu suất của mô hình trên dữ liệu của bạn và trả về một điểm số.
Tiếp theo, ta cần xác định các siêu tham số mà ta muốn điều chỉnh cho mỗi mô hình.
Sau khi đã xác định hàm điểm số và các siêu tham số điều chỉnh của mô hình, ta có thể bắt đầu tìm kiếm mô hình tốt nhất và cấu hình siêu tham số thông qua lớp BTBSession.
Tất cả những gì bạn cần làm là tạo một phiên bằng cách truyền vào thông số siêu tham số có thể điều chỉnh và hàm điểm số.
Và sau đó gọi phương thức run để chỉ định số lần lặp siêu tham số mà BTBSession sẽ thực hiện.
Kết quả sẽ là một từ điển chỉ ra tên mô hình tốt nhất và cấu hình siêu tham số đã sử dụng.
Kết luận
BTB là một thư viện tuyệt vời cho việc tinh chỉnh tự động trong các hệ thống AutoML. Đừng quên kiểm tra tài liệu dự án để biết thêm thông tin chi tiết và các ví dụ hướng dẫn.
Nếu bạn sử dụng BTB, xin hãy xem xét trích dẫn bài báo sau: