BanditPolicy クラス

コンストラクター

BanditPolicy(evaluation_interval=1, slack_factor=None, slack_amount=None, delay_evaluation=0)

パラメーター

注釈

Bandit ポリシーは、次の構成パラメーターを受け取ります。

• slack_factor:最もパフォーマンスの高いトレーニング実行に関して許容される余裕期間。 この係数は、余裕期間を比率として指定します。

• slack_amount:最もパフォーマンスの高いトレーニング実行に関して許容される余裕期間。 この係数は、余裕期間を絶対量として指定します。

• evaluation_interval: 省略可能。 ポリシーを適用する頻度。 トレーニング スクリプトによってログに記録されるたびに、主要メトリックは 1 間隔としてカウントされます。

• delay_evaluation: 省略可能。 ポリシー評価を遅延させる間隔の数。 トレーニング実行の早期終了を回避するには、このパラメーターを使用します。 指定した場合、ポリシーは、evaluation_interval以上のdelay_evaluationの倍数ごとに適用されます。

最もパフォーマンスの高い実行に関して、評価メトリックの余裕期間係数または余裕期間の範囲内に収まらない実行はすべて終了します。

slack_factor = 0.2、evaluation_interval = 100 のバンディット ポリシーについて考えてみましょう。 実行 X は、100 間隔後に 0.8 の AUC (パフォーマンス メトリック) で現在最もパフォーマンスの高い実行であるとします。 さらに、実行に対して報告される最適な AUC が Y であると仮定します。このポリシーは値 (Y + Y * 0.2) を 0.8 と比較し、小さい場合は実行を取り消します。 delay_evaluation = 200 の場合、ポリシーが最初に適用されるのは間隔 200 です。

次に、 slack_amount = 0.2、 evaluation_interval = 100 のバンディット ポリシーについて考えてみましょう。 実行 3 が、100 間隔後に AUC (パフォーマンス メトリック) が 0.8 の現在の最もパフォーマンスの高い実行である場合、100 回の反復の後、AUC が 0.6 (0.8 ~ 0.2) 未満の実行はすべて終了します。 同様に、 delay_evaluation を使用して、特定の数のシーケンスに対する最初の終了ポリシーの評価を遅らせることもできます。

早期終了ポリシーの適用の詳細については、 モデルのハイパーパラメーターの調整に関するページを参照してください。

delay_evaluation

evaluation_interval

slack_factor

POLICY_NAME

POLICY_NAME = 'Bandit'