Мета роботи - визначити ефективність методів оптимізації функціоналу якості моделей машинного навчання в залежності від виду критерію оцінки якості алгоритму, розміру навчальної вибірки, порівняти методи за критеріями стабільності отримання рішення та обчислювальної складності, розробити рекомендації по застосуванню розглянутих методів за певних початкових умов задачі багатовимірної оптимізації. Вибір методу оптимізації оціночного функціоналу на етапі формування математичної моделі є важливим фактором ефективності побудованої алгоритму машинного навчання, зокрема за умов багатофакторних цільових функцій та великих обсягів навчальної вибірки. Загальноприйнятні в практиці машинного навчання методи оптимізації функціоналу якості не завжди враховують вид цільової функції, що призводить до значного зростання часу навчання моделі та зниження її якості в цілому. Використано числовий експеримент навчання регресійних моделей і системний аналіз методів пошуку оптимальних значень параметрів критерію якості задач класу навчання по прецедентах: градієнтного спуску, симплексметоду Нелдера-Міда, імітації відпалу, генетичного алгоритму. Проведено порівняння ефективності методів багатовимірної оптимізації та аналіз доцільності їх застосування до різних типів оптимізаційних функцій в машинному навчанні на різних обсягах навчальної вибірки. Практична значимість виконаної роботи полягає в обгрунтуванні застосування того чи іншого оптимізаційного методу в залежності від виду оціночного функціоналу якості та розміру простору ознак задачі машинного навчання, визначенні обчислювальної складності застосованих алгоритмів. Вибір методу оптимізації на етапі постановки задачі значно підвищує ефективність моделі машинного навчання. Розроблено бібліотеку optі_methods методів багатовимірної оптимізації оціночного функціоналу якості моделей задач машинного навчання для мови програмування Python 3, розроблено рекомендації щодо використання певного оптимізаційного метода в залежності від виду критерію якості навчання моделей та розміру навчальної вибірки.

  Повний текст PDF - 542.472 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"