Set Parameters

概要

この演算子は、一連のパラメーターを指定された演算子に適用します。この演算子は、主に、ある演算子の最適なパラメーターセットを別の類似の演算子に適用するために使用されます。

詳細

Set Parametersオペレーターは、パラメーターセットを入力として受け取ります。パラメーターの最適化（グリッド）やパラメーターの読み取りなどの演算子は、パラメーターセットのソースとして使用できます。 Set Parametersオペレーターは、このパラメーターセットを取得し、これらのパラメーター値を、 name mapパラメーターで指定できる指定されたオペレーターのパラメーターに割り当てます。このメニューには、「オペレーター名の設定」と「オペレーター名」の2つの列があります。「set operator name」列は、このパラメーターセットを生成したオペレーターの名前（またはパラメーターセットの名前）を指定するために使用され、「operator name」列はターゲットオペレーターの名前、つまり使用するオペレーターを指定しますこのパラメーターセット。

この演算子は、たとえば次のシナリオで非常に役立ちます。特定の学習スキームに最適なパラメーターを見つけたい場合は、通常、これらの最適なパラメーターで生成されたモデルにも関心があります。最適化パラメーターセットの検索は、パラメーターの最適化（グリッド）オペレーターなどのオペレーターによって簡単に可能です。ただし、これらの最適なパラメーターを使用してモデルを生成することはできません。そのようなパラメーター最適化演算子は、内部で生成されるIOObjectを返さず、パラメーターセットとパフォーマンスベクトルのみを返すためです。これは、パラメーター最適化演算子はモデルについて何も知らないが、パフォーマンスベクトル内で生成され、パフォーマンスベクトルを生成することのみが必ずしもモデルを必要としないためです。この問題を解決するには、パラメータの設定演算子を使用できます。通常、パラメータの設定演算子を使用したプロセスには、同じタイプの少なくとも2つの演算子（通常は学習者）が含まれます。 1人の学習者はパラメーター最適化スキームの内部演算子であり、「Learner」と名付けられますが、「OptimalLearner」という同じタイプの2番目の学習者はパラメーター最適化スキームの後に来て、最適化スキームによって返される最適なパラメーターセットを使用する必要があります。 Set Parametersオペレーターは、最適化スキームによって返されたパラメーターセットを入力として受け取ります。名前「Learner」は「set operator name」列で指定され、名前「OptimalLearner」は名前マップパラメーターの「operator name」列で指定されます。このリストの各パラメーターは、最適化中に使用された演算子（この場合は「学習者」）の名前を、これらのパラメーターを使用する必要がある演算子（この場合は「OptimalLearner」）にマップします。ここで注意すべき重要なことは、演算子のシーケンスです。「学習者」演算子が最初に連続し、その後にパラメータの設定演算子、最後に「最適学習者」演算子が続く必要があります。

分化

Clone Parameters

Clone Parametersオペレーターは、Set Parametersオペレーターの非常に一般的な形式です。入力としてParameterSetを必要としないため、Set Parameters演算子とは異なります。ソースからパラメータ値を読み取り、それを使用してターゲットパラメータのパラメータ値を設定するだけです。この演算子はSet Parameters演算子よりも汎用的であり、完全に置き換えることができます。

入力

parameter_set （パラメーターセット）この入力ポートにはパラメーターセットが必要です。これは、添付のプロセス例のパラメーターの最適化（グリッド）オペレーターの出力です。 Read Parameters演算子のような他の演算子の出力も、パラメーターセットのソースとして使用できます。

パラメーター

name_mapパラメーターの設定演算子はパラメーターセットを取得し、これらのパラメーター値を、 名前マップパラメーターを介して指定できる指定された演算子のパラメーターに割り当てます。このメニューには、「set operator name」と「operator name」の2つの列があります。「set operator name」列は、このパラメーターセット（またはパラメーターセットの名前）を生成したオペレーターを指定するために使用され、「operator name」列はターゲットオペレーター、つまりこのパラメーターを使用するオペレーターの名前を指定します。範囲：リスト

チュートリアルプロセス

最適なパラメーターセットを使用したモデルの構築

「多項式」データセットは、Retrieve演算子を使用してロードされます。パラメーターの最適化（グリッド）演算子が適用され、パラメーターの最適なセットが生成されます。 X-Validationオペレーターは、Optimize Parameters（Grid）オペレーターのサブプロセスで適用されます。 X-Validationオペレーターは、モデルのトレーニングにSVM（LibSVM）オペレーターを使用します。このSVM（LibSVM）オペレーターの名前は「学習者」です。パラメーターの最適化（グリッド）演算子の実行後、Cの最適値とSVM（LibSVM）演算子の次数パラメーターを含むパラメーターセットを返します。このパラメーターセットは、パラメーターの設定オペレーターに提供されます。 Set Parametersオペレーターは、これらの最適なパラメーターをメインプロセスのSVM（LibSVM）オペレーターに提供します（パラメーターの最適化（Grid）オペレーター以外）。このSVM（LibSVM）演算子は「OptimalLearner」という名前で、実行シーケンスでSet Parameters演算子の後に来ます。 Set Parametersオペレーターの名前マップパラメーターをご覧ください。名前「Learner」は「set operator name」列で指定され、名前「OptimalLearner」は名前マップパラメーターの「operator name」列で指定されます。このリストの各パラメーターは、最適化中に使用された演算子（この場合は「学習者」）の名前を、これらのパラメーターを使用する必要がある演算子（この場合は「OptimalLearner」）にマップします。「OptimalLearner」は「Learner」の最適なパラメーターを使用し、「Polynomial」データセットにモデルを適用します。プロセスを実行する前に、「OptimalLearner」のパラメーターを確認してください。次数とCパラメーターは、それぞれ1と0.0に設定されます。これらの値は、Optimize Parameters（Grid）オペレーターによって生成されたこれらのパラメーターの最適値であり、これらのパラメーターは「OptimalLearner」によって使用されたため、プロセスの実行後に3および250に変更されます。これらのパラメーターは、プロセスの実行中（パラメーターの最適化（グリッド）演算子の後のブレークポイント）にも表示できます。