Post sobre Otimizacao bayseana:
O conseito basico e identificar qual atualizaçao de parametros tem maior probabilicade de ecotnrar um parametro de melhor resultado com menos interaçoes que a forca bruta.
O poste ser constituido de:
Introduçao:
Motivaçao, breve explicaçao metodologica,
Aplicaçao:
Aplicaremos ao SVM para mostrar como temos ganho de tempo de processamento e ganhos de acertividade.
Comparar com grid searsh.
Conclusao e bibliografia.
Ps: consegui achar uma implementaçao em python, se conseguissimos fazer uma em R acho que tem como ela ser mais rapida.
Post sobre Otimizacao bayseana: O conseito basico e identificar qual atualizaçao de parametros tem maior probabilicade de ecotnrar um parametro de melhor resultado com menos interaçoes que a forca bruta.
O poste ser constituido de: Introduçao: Motivaçao, breve explicaçao metodologica,
Aplicaçao: Aplicaremos ao SVM para mostrar como temos ganho de tempo de processamento e ganhos de acertividade. Comparar com grid searsh.
Conclusao e bibliografia.
Ps: consegui achar uma implementaçao em python, se conseguissimos fazer uma em R acho que tem como ela ser mais rapida.
@joaofm91 , de uma olhada nesses links.
Referencias: https://thuijskens.github.io/2016/12/29/bayesian-optimisation/ https://en.wikipedia.org/wiki/Bayesian_optimization https://www.iro.umontreal.ca/~bengioy/cifar/NCAP2014-summerschool/slides/Ryan_adams_140814_bayesopt_ncap.pdf https://github.com/fmfn/BayesianOptimization http://gpss.cc/gpmc17/slides/LancasterMasterclass_1.pdf