[发明专利]一种无监督机器学习的超参数自动优化方法及系统在审
| 申请号： | 201711347747.4 | 申请日： | 2017-12-15 |
| 公开（公告）号： | CN108062587A | 公开（公告）日： | 2018-05-22 |
| 发明（设计）人： | 王建民;龙明盛;付博;黄向东 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00;G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种无监督机器学习的超参数自动优化方法及系统，所述方法包括：根据无监督机器学习算法确定所述无监督机器学习算法的算法性能评估模型、所述无监督机器学习算法的超参数、所述超参数的搜索空间和所述超参数优化的评价准则；根据所述算法性能评估模型、所述搜索空间和所述评价准则确定所述超参数的最优值。本发明提供的无监督机器学习的超参数自动优化方法及系统，对无监督机器学习算法中的超参数问题进行深入剖析，分析算法中超参数的分布规律和不同超参数下学习效果的评估，并将此规律应用于机器学习的模型训练，达到自动化选择合适超参数的目的，整个超参数的优化过程自动完成，优化效率高，大大降低了算法的使用复杂性。 | ||
| 搜索关键词： | 一种 监督 机器 学习 参数 自动 优化 方法 系统 | ||
【主权项】：
1.一种无监督机器学习的超参数自动优化方法，其特征在于，包括：根据无监督机器学习算法确定所述无监督机器学习算法的算法性能评估模型、所述无监督机器学习算法的超参数、所述超参数的搜索空间和所述超参数优化的评价准则；根据所述算法性能评估模型、所述搜索空间和所述评价准则确定所述超参数的最优值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711347747.4/，转载请声明来源钻瓜专利网。
- 上一篇：高速自动四除机
- 下一篇：一种多层次的小麦颗粒筛选装置
