自動機械学習

自動機械学習のモデルは、2種類のパラメータで構成されます。

  • Hyperparameter（ハイパーパラメータ）

  • Model parameter（モデルパラメータ）

ハイパーパラメータは、モデルのトレーニングを開始する前にユーザーが個別に設定できるパラメータ（層数や学習率など）です。それに対してモデルパラメータ（ニューラルネットワークの重みなど）は、モデルトレーニング中の学習により設定されるものです。適切な機械学習モデルを見つけることは、最適化問題のひとつです。一連のハイパーパラメータを使用して、最適なモデルを提供するための適切な値の組み合わせを見つけ出すことが目的となります。

使用されるハイパーパラメータは、モデリングメソッド（RNN、NARX）に応じて異なります。

RNNの場合（例）：

  • セルタイプ

  • 層数

  • メモリサイズ

  • オプティマイザ設定

NARXの場合（例）：

  • 基底関数の数

  • フィーチャーの数

アルゴリズムがどのようにして優れたモデルを見つける方法は、ツリー構造で定義されています。詳細は以下のツリー構造を参照してください。

これらの設定は、Model Configurations：Recurrent Neural Network (RNN)またはModel Configurations：NARX Structureで行います（Model > Properties）。手動設定を行わずにASCMO-DYNAMICで最適なパラメータを見つけるには、自動機械学習機能（Model > Automated Machine Learning）を使用します。Automated Machine Learningを参照してください。