محققان در مطالعهای جدید به چالش قدیمی انتخاب تعداد نقاط اولیه (n0) در روش «بهینهسازی بیزی» (Bayesian Optimization) پرداختهاند. این تحقیق نشان میدهد که انتخاب نادرست این نقاط میتواند منجر به اتلاف منابع شود و رابطهای U-شکل بین هزینهها و تعداد نقاط وجود دارد.
نکته کلیدی این مقاله برای متخصصان این است که برخلاف روشهای سنتی، استفاده از «تامپسون سمپلینگ» (Thompson Sampling) در برابر تغییرات n0 مقاومتر است. این پژوهش پیشنهاد میکند برای دستیابی به بهترین نتیجه، تا حد امکان از روشهای Multi-step lookahead استفاده کنید یا در صورت عدم امکان تنظیم دقیق، به سراغ Thompson Sampling بروید.
سازی
منبع: arXiv Machine Learning