CHƯƠNG 1 CƠ SỞ LÝ THUYẾT VỀ ĐIỆN NÃO ĐỒ
3.6 Cách chọn siêu tham số cho mơ hình học máy
Để chọn bộ siêu tham số phù hợp nhất đối với tập dữ liệu, cĩ thể thực hiện các phương pháp như phương pháp vét cạn và sử dụng tìm kiếm grid search.
Phương pháp vét cạn: thử hết các trường hợp cĩ thể xảy ra của tham số, chọn tham số cho độ chính xác cao nhất trên tập validation. Ví dụ: để chọn số thành phần chính k tốt nhất cho thuật tốn PCA, cĩ thể cho k chạy từ1 đến N (số chiều ban đầu của dữ liệu) và quan sát kết quả trên tập validation.
Phương pháp grid search: tạo một dạng lưới với mỗi mắt trên lưới ứng với một bộ siêu tham số xác định, xây dựng số model bằng số mắt lưới và kiểm tra kết quả của các model trên tập validation, model ứng với tập siêu tham số cho kết quảđộ chính xác cao nhất sẽđược chọn. Ví dụ: sử dụng phương pháp grid search để tìm các tham số kernel, C, gamma trong thuật tốn SVM.
71 Hình 3-21 mơ tả phương pháp tìm kiếm bộ siêu tham số dựa trên grid search. Các giá trị của trục x, y, z là giá trị của các tham số cần tìm kiếm. Mỗi điểm trong khơng gian 3 chiều là giao của các giá trị x0, y0, z0 tạo ra một bộ siêu tham sốtương ứng.
Việc lựa chọn các siêu tham số cho bộ phân loại đã được nhĩm nghiên cứu thực hiện trong nghiên cứu trước về “Phát hiện chứng Tâm thần phân liệt thể paranoid dựa trên tín hiệu điện não đồ sử dụng Support Vector Machine” và sẽ được sử dụng cho nghiên cứu này. Kết quả sẽđược mơ tả trong phần 4.5.2.