利用样本外与重采样策略调优结构学习算法
机器学习
2023-06-27 v1 机器学习
摘要
从业者在将结构学习算法应用于其数据时面临的挑战之一涉及确定一组超参数；否则，将采用一组默认超参数。最优超参数配置通常取决于多个因素，包括通常未知的真实底层图的大小与密度、输入数据的样本量以及结构学习算法。我们提出了一种新颖的超参数调优方法，称为结构学习样本外调优（Out-of-sample Tuning for Structure Learning, OTSL），该方法采用样本外与重采样策略，在给定输入数据集和结构学习算法的情况下估计最优超参数配置。合成实验表明，将 OTSL 用作混合与基于评分的结构学习算法的超参数调优手段，相比当前最优方法在图准确性上有所提升。我们还说明了该方法在不同学科真实数据集上的适用性。
引用
@article{arxiv.2306.13932,
title = {Tuning structure learning algorithms with out-of-sample and resampling strategies},
author = {Kiattikun Chobtham and Anthony C. Constantinou},
journal= {arXiv preprint arXiv:2306.13932},
year = {2023}
}