ويعد التصحاح بالماء الهايبر خطوة أساسية في تطوير نماذج فعالة للتعلم الآلي، ويشمل اختيار أفضل المعايير التي تؤثر على الأداء النموذجي، وأسلوبين مشتركين هما البحث عن الجريم والبحث عن الرضّع، وكل منهما يتمتع بمزاياه ويستخدم الحالات.

ويبحث البحث عن المظلات بحثا شاملا من خلال مجموعة محددة من المسافات الفائقة، ويقيّم جميع التركيبات الممكنة لإيجاد المجموعة المثلى، وهذه الطريقة شاملة ولكنها يمكن أن تكون باهظة التكلفة، لا سيما مع العديد من البارامترات.

البحث عن المصاب مناسب عندما يكون الحيز الخفيف صغيراً أو عندما يكون مطلوباً، فهو يضمن إيجاد أفضل مزيج ضمن الشبكة المحددة.

البحث عن الماشية

(د) عينات البحث العشوائية من المقاييس الفائقة الشبهات داخل نطاقات محددة، وهي أقل شمولاً، ولكنها أكثر كفاءة في كثير من الأحيان، لا سيما مع مساحات البارامترات الكبيرة، ويمكن للبحث عن النادل أن يكتشف مقاييس ضغط دموية جيدة أسرع من البحث عن الغريد.

وهذه الطريقة مفيدة عندما تكون الموارد الحاسوبية محدودة أو عندما يكون الحيز المتاح من مقياس التحلل الفائق واسعاً، فهي توفر توازناً جيداً بين نوعية البحث والكفاءة.

المقارنة والتأشيرات

  • Grid search:] Best for small, well-defined hyperparameter spaces.
  • Random search:] Suitable for large, complex spaces.
  • Efficiency:] Random search often requires fewer assessments.
  • Guarantee:] Grid search guarantees finding the opt optim within the grid.