> ML_ALGORITHM // GAUSSIAN-PROCESS-BAYESIAN-OPTIMIZATION-GP-BO_v1.0
Gauss Süreci Bayesci Optimizasyonu (GP-BO)
Pahalı değerlendirme peyzajlarını modellemek ve edinim fonksiyonları yoluyla örneklemeyi yönlendirmek için Gauss süreçlerini kullanan örneklem verimli optimizasyon çerçevesi.
Bayesian Optimizationevolutionary-searchhigh-intrinsicsmall (<1k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(trials^3) exact GP inference
Çıkarım (Inference):O(trials * acquisition_points)
Donanım Karakteristiği
CPU Uygunluğu:Evet
GPU Zorunluluğu:Hayır
Bellek Ayak İzi:low
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:high-intrinsic
Eğitim Verisi İhtiyacı:small (<1k)
Açıklanabilirlik Değerlendirmesi
GP sonsalı, gözlemlenmemiş tüm noktalarda ortalama tahmin ve kalibre edilmiş epistemik belirsizlik sınırları sağlar.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
hyperparameter tuningexpensive blackbox experimentshardware tuning
Desteklenen Modaliteler:
tabular
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- N x N kovaryans matrisini tersine çevirmek O(N^3) karesel/kübik ölçeklenir ve deneme sayısı 500-1000'i aştığında standart GP-BO'yu kilitler