Azure的ML调型号超参数(Azure ML Tune Model Hyper Parameter

下面是在70-774考试参考书章节的结尾提出的问题。

如果你用随机扫描和运行的最大数目的随机扫描= 1配置调谐型号超参数模块连接神经网络，有多少神经网络实验的执行过程中进行培训？ 为什么？ 如果验证数据集连接到调型号超参数模块的第三输入，多少神经网络现在的培训？

答案是：

未经验证的数据集11（以及所有与超参数的最佳组合的数据训练k重交叉验证+ 1的10）。 随着验证只设置1神经网络进行训练，所以最好的方式是不使用验证，如果你提供给它设置的训练。

哪里10从何而来？ 据我明白的数量应分别2和1。 难道不应该创建正褶皱，其中n等于运行次数？

Answer 1:

当您使用调型号超参数模块，而不验证数据集，这意味着，当你只使用第二个输入数据端口，模块工作在交叉验证模式。 所以最好的参数模型是通过在所提供的数据集做交叉验证发现的，要做到这一点，该数据集在k倍分裂。 默认情况下，该模块拆分在10倍的数据。 如果要在不同数量的褶皱的数据拆分，可以在第二输入端连接一个分区和样本模块，选择分配到褶皱以及指示所需的折叠的数量。 在许多情况下，K = 5是一个合理的选择。

文章来源: Azure ML Tune Model Hyper Parameters