YT YouTube2Text

YouTube2Text → Transcripts → Hyperparameter Tuning using Optuna | Bayesian Optimization using Optuna

Hyperparameter Tuning using Optuna | Bayesian Optimization using Optuna — Transcript

by CampusX · 10,393 words · 1,308 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00हाय गाइ माय नेम इज नितेश एंड यू वेलकम टू
0:02माय
0:08youtube2 आई एम प्रिटी श्यर अगर आपने
0:10थोड़ा भी टाइम स्पेंड किया होगा मशीन
0:12लर्निंग में और डीप लर्निंग में तो शायद
0:14आपको यह नाम पहले भी सुनने को मिला होगा
0:16ऑप्ट क्या है मैं आपको जल्दी से बताता हूं
0:18ऑप्ट एक हाइपर पैरामीटर ट्यूनिंग
0:20फ्रेमवर्क है जिसको आप अपने मशीन प
0:23इंस्टॉल कर सकते हो और इसकी हेल्प से आप
0:26बहुत झट से बड़े
0:29हाइपर पैरामीटर ट्यूनिंग कर सकते हो आज की
0:32डेट में इंडस्ट्री में दिस इज वन ऑफ द
0:34प्रेफर्ड वे ऑफ डूइंग हाइपर पैरामीटर
0:37ट्यूनिंग एंड दैट इज व्हाई आई फील कि आपको
0:39इसके बारे में आईडिया होना चाहिए इस
0:42वीडियो में हम क्या करने वाले हैं कि मैं
0:43सबसे पहले आपको बताऊंगा कि टना की खासियत
0:46क्या है क्यों आप इसको प्रेफर करते हो ओवर
0:49अदर ऑप्शंस लाइक ग्रिड सर्च एंड रैंडम
0:51सर्च उसके बाद हम क्या करेंगे कि ऑप्ट के
0:54कोर फीचर्स क्या है वो डिस्कस करेंगे और
0:57लास्ट में मैं प्रैक्टिकली आपको एक कोड के
1:00ऊपर ऑप्ट को चला के दिखाऊंगा बाय द एंड ऑफ
1:03दिस वीडियो मेरा गोल यह है कि आपको टना के
1:06बारे में काफी आईडिया मिल जाए और लास्ट
1:08में मैं आपके साथ कुछ रिसोर्सेस भी शेयर
1:10करूंगा जिसको अगर आप गो थ्रू करोगे तो आप
1:12ऑप्टिन को बहुत अच्छे से मास्टर कर सकते
1:15हो तो आई एम सुपर एक्साइटेड फॉर द वीडियो
1:17लेट्स स्टार्ट सो गाइज ऑप्ट को पढ़ने के
1:20पहले मैं आपको थोड़ा मोटिवेट करना चाहता
1:21हूं कि आपको ऑप्ट क्यों पढ़ना चाहिए आपके
1:24पास ऑलरेडी हाइपर पैरामीटर ट्यूनिंग करने
1:27के लिए दो बहुत अच्छे टूल्स हैं एक एक का
1:30नाम है ग्रिड सर्च सीवी और दूसरे का नाम
1:31है रैंडम सर्च सीवी और अभी तक हमने जितने
1:34भी प्रोजेक्ट्स किए हैं उनमें हमने इन
1:36दोनों टूल्स को ही यूज किया तो ऐसी क्या
1:39प्रॉब्लम आ गई इन दोनों टूल्स में कि हमें
1:40एक नए टूल की जरूरत पड़ रही है वो हम सबसे
1:43पहले डिस्कस करेंगे ठीक है तो यह बात
1:46डिस्कस करने के लिए एक प्रॉब्लम स्टेटमेंट
1:48लेते हैं वही अपना पुराना प्रॉब्लम
1:49स्टेटमेंट जहां पर हम एक मशीन लर्निंग
1:52प्रॉब्लम के ऊपर काम कर रहे हैं जहां पर
1:53हमें स्टूडेंट्स का डाटा दिया हुआ है
1:55स्पेसिफिकली उनका सीजीपीए और उनका आईक्यू
1:58और इस डाटा के बेसिस पर मुझे प्रिडिक्ट
2:00करना है कि उनका प्लेसमेंट होगा या नहीं
2:02होगा ठीक है दिस इज अ क्लासिफिकेशन
2:04प्रॉब्लम और मैंने डिसाइड किया है कि इस
2:06प्रॉब्लम को सॉल्व करने के लिए आई विल बी
2:08यूजिंग रैंडम
2:09फॉरेस्ट ठीक है सो बहुत सिंपल है मुझे
2:13क्या करना है इस डाटा के ऊपर रैंडम
2:16फॉरेस्ट को इस तरीके से ट्रेन करना है कि
2:18मेरा जो एक्यूरेसी
2:20है वह मैक्सिमम
2:23आए और आपको शायद पता होगा कि रैंडम
2:26फॉरेस्ट में बहुत सारे हाइपर पैरामीटर्स
2:27होते हैं और फिलहाल हम सिर्फ दो हाइपर
2:30पैरामीटर्स पर फोकस कर रहे हैं फर्स्ट इज
2:32मैक्स डेप्थ मतलब रैंडम फॉरेस्ट के अंदर
2:35जो डिसीजन ट्रीज है उनका डेप्थ कितना होना
2:37चाहिए और सेकंड है एन एस्टिमेटर्स टोटल
2:40कितने डिसीजन ट्रीज हम लोग यूज करेंगे
2:42रैंडम फॉरेस्ट बनाने के लिए हम इन दोनों
2:45हाइपर पैरामीटर्स पे फोकस करने वाले हैं
2:49अब बेसिकली प्रॉब्लम स्टेटमेंट ये हो चुका
2:51है इस पॉइंट पे कि हमें मैक्स डेप्थ और एन
2:54एस्टिमेटर की ऐसी वैल्यूज चाहिए जिनकी
2:57हेल्प से जब हम रैंडम फॉरेस्ट को को इस
3:00डाटा पे ट्रेन करें तो हमारा एक्यूरेसी
3:03मैक्सिमम आए यह हमारा प्रॉब्लम स्टेटमेंट
3:05है नाउ द प्रॉब्लम इज हमें पहले से कभी भी
3:08ये पता नहीं चलेगा कि मैक्स डेप्थ की क्या
3:10वैल्यू सबसे ज्यादा सूटेबल है एंड
3:12एस्टिमेटर की सबसे ज्यादा कौन सी वैल्यू
3:14सूटेबल है और इसी प्रॉब्लम को सॉल्व करने
3:17के लिए क्या आता है हाइपर पैरामीटर
3:20ट्यूनिंग जहां पे हम क्या करते हैं कि हम
3:22हाइपर पैरामीटर की अलग-अलग वैल्यूज को
3:24लेते हैं और फिर उन अलग-अलग वैल्यूज के
3:27लिए मॉडल को बार-बार ट्रेन करते हैं ठीक
3:29है तो आपको सबसे पहले क्या करना होता है
3:31कि अपने इंटू अपने डोमेन नॉलेज के बेसिस
3:33पर एक सर्च स्पेस डिफाइन करना होता है आप
3:37यह डिसाइड करते हो कि आप मैक्स डेप्थ की
3:40कौन-कौन सी वैल्यूज को सर्च करना चाहते हो
3:43सो लेट्स से मैंने डिसाइड किया कि मैं वन
3:46से लेकर फ तक सारी वैल्यूज को टेस्ट
3:49करूंगा सिमिलरली मैं डिसाइड कर मुझे यह
3:52डिसाइड करना है कि एन एस्टिमेटर्स की कौन
3:54सी वैल्यूज को मुझे ट्राई आउट करना है तो
3:56मैंने डिसाइड किया कि मैं 50 से लेकर के
3:59250 के बीच में सारी वैल्यूज ट्राई करूंगा
4:0250-50 के इंटरवल पे मतलब मैं 50 को ट्राई
4:05करूंगा मैं 100 को ट्राई करूंगा मैं 150
4:08को ट्राई करूंगा 200 को ट्राई करूंगा एंड
4:10देन 250 को ट्राई करूंगा ठीक है तो इस
4:15डिस्कशन के बेसिस पे हमारे पास हमारा सर्च
4:19स्पेस आ चुका
4:21है सो हमारा सर्च स्पेस कुछ ऐसा दिखाई
4:24देता है यू कैन सी दिस इज आवर सर्च स्पेस
4:26ठीक है जहां पर हमें एन एस्टिमेटर की पांच
4:30वैल्यूज को ट्राई करना है और हमें मैक्स
4:32डेप्थ की पांच वैल्यूज को ट्राई करना है
4:34और ओबवियसली इनके सारे कॉमिनेशन को हमें
4:37ट्राई करना है तो इन अ वे हमारे पास ये एक
4:40ग्रिड बन गया है जहां पर सारे पॉसिबल
4:42कॉमिनेशन है जो हमें ट्राई करने हैं ठीक
4:45है अब यहां पर पिक्चर में कौन आता है
4:47हमारा फर्स्ट टूल जो हमने बहुत पहले पढ़ा
4:50था ग्रिड सर्च ग्रिड सर्च बहुत ही स्ट्रेट
4:54फॉरवर्ड सीधा बंदा है एकदम सनी देवल वाला
4:56अप्रोच है इसका वो क्या करता है वो इस
4:59ग्रिड में जाता है और हर पॉसिबल कॉमिनेशन
5:03को ट्राई आउट करता है जैसे वह सबसे पहले
5:05यहां पर
5:06आएगा फर्स्ट कॉमिनेशन फर्स्ट कॉमिनेशन
5:09क्या है कि आपका मैक्स डेप्थ वन होना
5:12चाहिए और आपका एन एस्टिमेटर 50 होना चाहिए
5:16इन वैल्यूज को लेकर के वह मॉडल को ट्रेन
5:19करता है और फिर टेस्ट डाटा के ऊपर
5:22एक्यूरेसी निकालता है मान लो हमारा
5:23एक्यूरेसी आया
5:2671 तो काम हो गया अब हम बढ़ेंगे अगले कॉम
5:29कनेशन की तरफ अगला कॉमिनेशन क्या है कि
5:31मैगस डेप्थ वन है और आपका एन एस्टिमेटर
5:35100 है फिर से इस कॉमिनेशन के लिए उसने
5:38डाटा के ऊपर ट्रेनिंग की और टेस्ट डाटा के
5:40ऊपर एक्यूरेसी निकाला मान लो एक्यूरेसी आई
5:4369 फिर वो जाएगा अगले कॉमिनेशन की तरफ 1
5:47और 150 फिर से मॉडल को ट्रेन करेगा मान लो
5:4974 पर एक्यूरेसी आई और ऐसा करते करते वो
5:52सारे के सारे 25 कॉमिनेशन पे मॉडल को
5:55ट्रेन करेगा एक्यूरेसी निकालेगा और जब यह
5:58पूरा काम हो जाएगा तो व जा कर के सर्च
6:01करेगा कि भाई कौन सा एक्यूरेसी वैल्यू
6:04मैक्सिमम है तो मान लो यह वाला एक्यूरेसी
6:06वैल्यू मैक्सिमम है तो उसके
6:08करेस्पॉन्डिंग्ली
6:10हैं वही मुझे मुझे यूज करने चाहिए राइट तो
6:14दिस इज हाउ ग्रिड सर्च सीवी वर्क राइट यह
6:16आपको ऑलरेडी पता है अब अगर मैं आपसे पूछूं
6:19कि ग्रिड सर्च सीवी में प्रॉब्लम क्या है
6:21तो बहुत ओबवियसली आप इसका आंसर दे पाओगे
6:24कि प्रॉब्लम यह है कि दिस इज वेरी
6:28कॉस्टली राइट आप क्या कर रहे हो आप हर
6:31पर्टिकुलर कॉमिनेशन ट्राई आउट कर रहे हो
6:34व्हाट इफ मेरे पास नंबर ऑफ़ पैरामीटर
6:38वैल्यूज और ज़्यादा हो मान लो यहां तो
6:40मैंने 1 टू 5 लिया व्हाट इफ मैं 1 टू 20
6:43ले लूं तो सडन से अब 20 * 5 मुझे 100 बार
6:48मॉडल को ट्रेन करना है राद दन 25 टाइम्स
6:50मॉडल को ट्रेन करने के सिमिलरली व्हाट इफ
6:53मैं यहां पे एक और हाइपर पैरामीटर वैल्यू
6:55ले आऊं मैक्स
6:57सैंपल्स स्प्लिट यह भी एक हाइपर पैरामीटर
7:01होता है व्हाट इफ मैं इसकी भी वैल्यूज को
7:03ट्राई आउट करना चाहता हूं तो कॉमिनेशन
7:05बढ़ने लग जाएंगे और जितने कॉमिनेशन आपके
7:07बढ़ेंगे उतना ज्यादा बार आपको मॉडल को
7:09ट्रेन करना है और यह तो बहुत छोटा डेटा
7:12सेट है व्हाट इफ आप डीप लर्निंग के ऊपर
7:14काम कर रहे हो जहां पर आपके पास मैसिव
7:17अमाउंट में डाटा होता है और उसके ऊपर
7:20न्यूरल नेटवर्क्स को ट्रेन करने में बहुत
7:22टाइम लगता है तो इमेजिन आप एक बड़े डटा
7:24सेट प एक न्यूरल नेटवर्क को ट्रेन कर रहे
7:26हो 100 बार कितना ज्यादा टाइम लगेगा तो
7:29दिस इज द बिगेस्ट प्रॉब्लम विद ग्रिड सर्च
7:31सीवी कि अगर आप इसको सारा टाइम देते हो
7:34सारा कंप्यूटेशन पावर देते हो तो ये आपको
7:36बेस्ट रिजल्ट निकाल के दे देगा बट कई
7:40सिनेरियो में सारे पॉसिबल कॉमिनेशन को
7:42ट्राई आउट करना पॉसिबल ही नहीं है दिस इज
7:45द प्रॉब्लम विद ग्रिड सर्च सीवी तो इस
7:47प्रॉब्लम को सॉल्व करने के लिए आता है
7:48रैंडम
7:50सर्च रैंडम सर्च थोड़ा सा सिंपलीफाइड
7:55अप्रोच रखता है और वह बोलता है कि मैं
7:58सारे कॉमिनेशन ट्राई नहीं करूंगा मैं
8:01रैंडम कोई भी कॉमिनेशन को ट्राई करूंगा सो
8:03आप मुझे बताओ मैं सिर्फ फाइव कॉमिनेशन
8:06ट्राई करना चाहता
8:08हूं तो आपने इसको बोला कि भाई फाइव
8:10कॉमिनेशन ट्राई करो तो वो क्या करेगा सबसे
8:12पहले मान लो उसने यह वाला कॉमिनेशन ट्राई
8:14किया अब इसके बाद कुछ जरूरी नहीं है कि वो
8:17अगला ही कॉमिनेशन ट्राई करेगा हो सकता है
8:19वो यह वाला कॉमिनेशन ट्राई कर ले उसके बाद
8:21हो सकता है वो यह वाला कॉमिनेशन ट्राई कर
8:23ले उसके बाद यह वाला कर ले और उसके बाद यह
8:26वाला कर ले और बस ये फाइव कॉमिनेशन ट्राई
8:29करके वो निकल जाएगा और इन फाइव में जो
8:32उसको बेस्ट वैल्यू मिलेगी उसको यूज कर
8:34लेगा सो दिस इज अ वेरी सिंपलिस्टिक अप्रोच
8:37इसका फायदा क्या है इसका फायदा यह है कि
8:39आपका कंप्यूटेशन बच रहा है और इसका नुकसान
8:42क्या है वह भी बहुत ऑब् वियस है कि ऐसा हो
8:44सकता है कि आपकी बेस्ट वैल्यू यहां छुपी
8:46हुई थी बट रैंडम सर्च ने इसको ट्राई आउट
8:49ही नहीं किया एंड वो वैल्यू मिस हो गई
8:52आपको सब पार सॉल्यूशन के साथ कॉम्प्रोमाइज
8:54करके रहना पड़ गया सो ये दो जो हमारे मेन
8:59आज तक यूज किए हैं इन दोनों में बहुत बड़ी
9:02प्रॉब्लम है और इसी प्रॉब्लम को सॉल्व
9:05करने के लिए कौन आता है
9:07ऑप्टिन ऑप्ट की जो सबसे बड़ी खासियत है वो
9:12यह है कि यह एक अलग टाइप का सर्च यूज करता
9:16है अभी तक हमने दो सर्चे देखे एक था ग्रिड
9:19सर्च जो लीनियर सारे कॉमिनेशन को ट्राई
9:21आउट कर रहा था एक था रैंडम सर्च जो रैंडम
9:24कोई भी कॉमिनेशन को उठा के ट्राई आउट कर
9:26रहा था यहां पर हम एक अलग टाइप का सर्च
9:28यूज करते हैं
9:30जिसको हम बेजिन सर्च बोलते
9:32हैं और इसको हम ऐसे बोल सकते हैं कि यह
9:36थोड़ा मैथमेटिकल तरीका है सर्चिंग का
9:40प्रोबेबिलिटी से बहुत इंस्पायर्ड है ठीक
9:42है अब मैं बहुत ज्यादा तो नहीं घुसना
9:46चाहता हूं बेजन सर्च के अंदर कि बेजन सर्च
9:49मैथमेटिकली कैसे काम करता है बिकॉज यह खुद
9:51में एक टॉपिक है बट मैं आपको एक रफ आईडिया
9:54देना चाहता हूं कि बेजन सर्च काम कैसे
9:56करता है सो बेजन सर्च सबसे पहले यह बोलता
10:00है कि अगर मैक्स
10:04डेप्थ एंड एन
10:07एस्टिमेटर की वैल्यू को चेंज करने से
10:11एक्यूरेसी वैल्यू चेंज होती
10:13है तो इसका मतलब यह है कि मैक्स डेप्थ और
10:17एन एस्टिमेटर और एक्यूरेसी के बीच में कोई
10:21तो मैथमेटिकल रिलेशनशिप है सही बात है सोच
10:25के देखो ना अगर मैं रैंडम फॉरेस्ट के अंदर
10:29मैक्स डेप्थ की वैल्यू को चेंज कर दूं पाच
10:31से 25 कर दूं तो पक्की बात है कि मेरा
10:33एक्यूरेसी चेंज होगा सिमिलरली अगर मैं एन
10:36एस्टिमेटर जो कि पहले 10 था उसको 100 कर
10:38दूं तो पक्की बात है कि एक्यूरेसी चेंज
10:41होगा ऊपर जाएगा नीचे जाएगा मुझे नहीं पता
10:43बट कुछ तो चेंज होगा राइट तो इससे यह बात
10:46तो एकदम क्लियर है कि मैक्स डेप्थ एन
10:49एस्टिमेटर और एक्यूरेसी के बीच में कुछ तो
10:52रिलेशनशिप है कुछ तो मैथमेटिकल रिलेशनशिप
10:55है दैट वी डोंट नो राइट तो क्या मैं इसको
10:59मैथमेटिकली इस तरीके से लिख सकता हूं दैट
11:03एक्यूरेसी इज अ फंक्शन ऑफ बोथ मैक्स डेप्थ
11:09एंड एन
11:13एस्टिमेटर तो बेजन सर्च सबसे पहले यह
11:16फैक्ट एस्टेब्लिश करता है कि आपका मैक्स
11:18डेप्थ और एन
11:20एस्टिमेटर और एक्यूरेसी के बीच में
11:23एक फंक्शन एजिस्ट करता है एक मैथमेटिकल
11:26रिलेशनशिप एजिस्ट करता है वो रिलेशनशिप
11:29क्या है वह मुझे नहीं पता बट हो सकता है
11:32कि वह कुछ ऐसा दिखाई दे उसके बीच कुछ ऐसा
11:34ग्राफ हो जहां पर एक्स एक्सिस पर हो
11:37आपका मैक्स डेप्थ वा एक्सिस पर आपका हो एन
11:43एस्टिमेटर और जड एक्सिस पर आपका हो
11:45एक्यूरेसी तो यह कुछ एक डी ग्राफ है
11:48फिलहाल यहां पर आपको पैराबोला दिखाई दे
11:50रहा है बट कोई जरूरी नहीं है कि वोह
11:51पैराबोला हो इट कैन बी एनीथिंग राइट तो अब
11:55बेजन सर्च क्या करता है बेजन सर्च इस
11:58ग्राफ का
12:00नेचर फाइंड आउट करने की कोशिश करता है ठीक
12:04है क्योंकि अगर उसको इस ग्राफ का नेचर पता
12:07चल गया तो वह बहुत आसानी से यह मैक्सिमा
12:10निकाल सकता है और उसको मैक्सिमा क्यों
12:13चाहिए बिकॉज हम मैक्सिमम एक्यूरेसी
12:15निकालना चाहते हैं और जैसे ही मुझे
12:18मैक्सिमम एक्यूरेसी मिल जाएगी उसके
12:20कॉरस्पॉडिंग जो भी वैल्यू है मैक्स डेप्थ
12:23की और जो भी वैल्यू है ए एस्टिमेटर की वो
12:26भी मुझे मिल जाएगी और मेरा काम हो जाएगा
12:29सो इन शॉर्ट बेजिन सर्च ने एक अलग रास्ता
12:32यूज किया उसने बोला कि इन तीनों
12:34क्वांटिटीज के बीच में एक मैथमेटिकल
12:36रिलेशनशिप है जो मुझे नहीं पता बट अगर मैं
12:39उसको खोज लूंगा तो मैं बहुत आसानी से उसका
12:42मैक्सिमा खोज लूंगा और अगर मैं उसका
12:43मैक्सिमा खोज लूंगा तो उसके कॉरस्पॉडिंग
12:45मैक्स डेप्थ एंड एन एस्टिमेटर वैल्यू मुझे
12:48मिल जाएगी ठीक है अब बिहाइंड द सीनस यह
12:51पूरी चीज कैसे होती है वो थोड़ा कॉप्लेक्स
12:53डिस्कशन है बट रफ ऐसे समझो कि आप जैसे
12:58जैसे पॉइंट्स ट्राई आउट करते जाते हो
13:01जैसे-जैसे अलग-अलग कॉमिनेशन ट्राई आउट
13:04करते जाते हो तो आपको इंफॉर्मेशन मिलते
13:07जाता है कि उस पर्टिकुलर कॉमिनेशन के
13:09अगेंस्ट एक्यूरेसी क्या है मैं समझाता हूं
13:11मैं क्या बोल रहा हूं मान लो सबसे पहले
13:13आपने यह ट्राई किया कि मैक्स डेप्थ फ होना
13:16चाहिए और ए
13:19एस्टिमेटर 100 होना चाहिए आपने इस सेटिंग
13:23के ऊपर मॉडल को ट्रेन किया तो इसके
13:25कॉरस्पॉडिंग आपको एक एक्यूरेसी वैल्यू
13:27मिली 75 तो इस इसका यह मतलब है कि मुझे इस
13:31ग्राफ के ऊपर एक पॉइंट मिल गया है राइट
13:34सोच के देखो अगर मुझे यह तीन डेटा पॉइंट्स
13:37मिल गए तो ये तीन डेटा पॉइंट्स इस ग्राफ
13:39के ऊपर ही होंगे राइट सो मान लो यह डेटा
13:43पॉइंट इस जगह पे है फिर आपने एक और
13:46कॉमिनेशन ट्राई किया मान लो मैक्स डेप्थ
13:4810 एन एस्टिमेटर 150 और आपका एक्यूरेसी
13:51आया 69 ठीक है तो इसका मतलब यह हुआ कि
13:55आपको फिर से कोई और पॉइंट इस ग्राफ के ऊपर
13:58मिल
13:59इस तरीके से आप तीन-चार कॉमिनेशन ट्राई
14:01करते हो और इन तीन-चार कॉमिनेशन को ट्राई
14:04करने से आपको इस ग्राफ के ऊपर कुछ-कुछ
14:06पॉइंट्स मिल जाते हैं ठीक है मतलब सिंपल
14:09शब्दों में अगर मैं आपको समझाऊं राद देन
14:11टेकिंग अ 3d एग्जांपल लेट्स से कि हम एक
14:142d एग्जांपल ले रहे हैं जहां पे हमारे पास
14:16सिर्फ मैक्स डेप्थ है और एक्यूरेसी है एन
14:19एस्टिमेटर नहीं है तो ओबवियसली इनके बीच
14:21का जो ग्राफ है वो 2d होगा ठीक है अब
14:23थोड़ी देर के लिए मान लेते हैं कि इनके
14:25बीच का जो रिलेशनशिप है वह पैराबोला है बट
14:27वो हमें नहीं पता छुपा हुआ है हमें नहीं
14:29पता सो हमने क्या किया अलग-अलग मैक्स
14:31डेप्थ वैल्यूज को ट्राई किया पहले हमने
14:33ट्राई किया
14:34फ यह फ यह मैक्स डेप्थ है यह एक्यूरेसी है
14:39तो हमने सबसे पहले फ को ट्राई किया फ के
14:41करेस्पॉन्डिंग्ली
14:5915 से मेरा एक्यूरेसी फिर आया 84 मतलब कुछ
15:01यह वाला पॉइंट तो तीन बार जब मैंने मॉडल
15:05को ट्रेन किया तो मुझे यह तीन पॉइंट्स
15:06मिले अब ये तीन पॉइंट्स से व्हाट आई कैन
15:09डू इज आई कैन ट्राई टू फिगर आउट कि इन
15:11दोनों क्वांटिटीज के बीच का रिलेशनशिप
15:14कैसा है
15:15तो शायद ऐसा हो सकता
15:18है राइट तो दिस इज व्ट बेजन सर्च जज डूइंग
15:23व्ट इट इज डूइंग इज कि वो कुछ कुछ
15:27कॉमिनेशन ट्राई कर रहा है कुछ कुछ
15:29कॉमिनेशन ट्राई कर रहा है और फिर यह तीन
15:32चार कॉमिनेशन ट्राई करने के बाद उसके अंदर
15:35एक इंटेलिजेंस है जो यह समझ पा रहा है कि
15:38ग्राफ कैसा होगा वह थोड़ा-थोड़ा उस ग्राफ
15:41को अनकवर कर पा रहा है और फिर इस
15:44इंफॉर्मेशन के बेसिस पर वह और नए कॉमिनेशन
15:47ट्राई आउट करता है जैसे वह इन चारों के
15:49बेसिस पर सोचेगा कि अब मुझे नेक्स्ट यह
15:53वाला ट्राई करना चाहिए फिर जैसे ये पांच
15:55पॉइंट्स का इंफॉर्मेशन आएगा तो वो थोड़ा
15:57और ग्राफ को अनकवर कर करेगा उससे फिर उसको
15:59थोड़ा और आईडिया लगेगा कि नेक्स्ट मुझे यह
16:01वाला ट्राई करना चाहिए सो यहां पर आप नंबर
16:04ऑफ कॉमिनेशन कम ट्राई कर रहे हो बट आप
16:06इंटेलीजेंटली कॉम्बिन शंस को ट्राई आउट कर
16:09रहे हो और कांस्टेंटली उस ग्राफ को इमेजिन
16:12करने की कोशिश कर रहे हो और फिर एक टाइम
16:14ऐसा आता है जब आप कंपलीटली उस ग्राफ को
16:16समझ पाते हो और उसके मैक्सिमा को खोज पाते
16:18हो और फिर दैट इज योर एंड पॉइंट आपका
16:20रिजल्ट आपको मिल जाता है सो द मेन डिफरेंस
16:23बिटवीन ग्रिड सर्च एंड रैंडम सर्च एंड
16:25बेजन सर्चस कि ग्रिड सर्च एंड रैंडम सर्च
16:29दे आर डम सर्चे मतलब वह प्रीवियस सर्च से
16:33जो इंफॉर्मेशन मिलता है उसको यूज नहीं
16:35करते मतलब इस सर्च से मेरा एक्यूरेसी क्या
16:39आया यह इंफॉर्मेशन मुझे अगले सर्च में कोई
16:41काम नहीं आने वाला बट बेजन सर्च में पिछले
16:45सर्च में जो हुआ वह आगे के सर्चे को हेल्प
16:48करता है ठीक है तो रफल दिस इज द होल
16:50थ्योरी आई नो बहुत डेप्थ में हम नहीं गए
16:53बट मैंने आपको इनट्यूशन देने की कोशिश की
16:55बाकी एक पेपर का लिंक मैं डिस्क्रिप्शन
16:59में डाल दूंगा अगर आप चाहो तो जाकर के चेक
17:01आउट कर सकते हो उसमें काफी डिटेल में
17:03समझाया हुआ है कि बेजन सर्च काम कैसे करता
17:05है बट रफल अगर मैं आपको एक रीजन दूं
17:09ऑप्ट्यूमा पढ़ने का तो वह यह है कि
17:12ऑप्ट्यूमा का सबसे बड़ा जो पावर है वह यह
17:14है कि वो बिहाइंड द सींस बेजिन सर्च या
17:17बेजिन ऑप्टिमाइजेशन को यूज करता है व्हिच
17:19इज अ इंटेलिजेंट वे ऑफ सर्चिंग द बेस्ट
17:22हाइपर पैरामीटर वैल्यूज यह चीज आपको ग्रिड
17:26सर्च और रैंडम सर्च में नहीं मिलेगी और यह
17:28सबसे बड़ा रीजन है ऑप्टिन को यूज करने का
17:31ठीक है तो नाउ दैट यू हैव सम इंटू सम
17:34आईडिया कि ऑप्टिन क्यों इंपॉर्टेंट है अब
17:37मैं आपको अ कोड के थ्रू दिखाता हूं कि
17:40ऑप्ट्यूमा को आप कैसे एक प्रॉब्लम के ऊपर
17:42अप्लाई कर सकते हो अब गाइस ऑप्ट्यूमा को
17:45प्रैक्टिकली एक बार करने के पहले आई वुड
17:47लाइक कि आपको कुछ की टर्म्स पता हो
17:50क्योंकि अगर आपको यह टर्म्स पता नहीं
17:51होंगे तो आपको ऑप्ट का कोड देख कर के
17:54थोड़ा डर लगेगा ठीक है तो मैं आपको पांच
17:57टर्म्स बताने वाला हूं जो बहुत इप
17:58इंपोर्टेंट है और आप बार-बार कोड में उसको
18:00देखोगे तो सबसे पहला जो टर्म है वह है
18:03स्टडी ठीक है स्टडी किसको बोलते हैं मैं
18:06आपको एकदम सिंपल शब्दों में समझाता हूं
18:08थोड़ी देर पहले मैंने आपको बोला था कि
18:09हमारे पास यह डेटा सेट है सीजीपी आई क्यू
18:11वाला इसके ऊपर हम एक रैंडम फॉरेस्ट मॉडल
18:14को ट्रेन करना चाहते हैं और हम दो हाइपर
18:17पैरामीटर्स लेकर चलना चाहते हैं
18:19मैक्सटेप्थ एंड एन एस्टिमेटर्स और हमारा
18:22गोल यह है कि हम मैक्स डेप्थ और एन
18:24एस्टिमेटर्स की ऐसी वैल्यू खोज पाए जिसकी
18:27हेल्प से मुझे एक्यूरेसी मै मैक्सिमम मिले
18:29राइट तो यह जो पूरा टास्क है जहां पर मैं
18:33एक डेटा सेट के ऊपर एक एल्गोरिदम को ट्रेन
18:36कर रहा हूं और उसकी हाइपर पैरामीटर
18:38ट्यूनिंग कर रहा हूं इस पूरे टास्क को
18:40ऑप्ट्यूमा स्टडी बुलाता है ठीक है यहां पे
18:42देखो लिखा हुआ है अ स्टडी इन ऑप्टिन इज एन
18:46ऑप्टिमाइजेशन सेशन दैट एन कंपासेस मल्टीपल
18:49ट्रायल्स ट्रायल्स क्या होते हैं आपको
18:50थोड़ी देर में समझ में आ जाएगा इट्स
18:52एसेंशियली अ कलेक्शन ऑफ ट्रायल्स एड एट
18:54ऑप्टिमाइजिंग द ऑब्जेक्टिव फंक्शन अगेन
18:56ऑब्जेक्टिव फंक्शन इज समथिंग जो हम लोग
18:58थोड़ी देर के बाद डिस्कस करेंगे फिलहाल बस
18:59ऐसे समझो एक डेटा सेट है एक एल्गोरिथम है
19:02उस एल्गोरिथम के कुछ हाइपर पैरामीटर्स हैं
19:04उन हाइपर पैरामीटर्स की बेस्ट वैल्यू हमें
19:06निकालनी है ये जो पूरा प्रोसेस हमें करना
19:08है इसको हम स्टडी बुलाते हैं ऑप्ट्यूमा के
19:11लैंग्वेज में ठीक है अब आता है सेकंड टर्म
19:14सेकंड टर्म है
19:16ट्रायल सो ट्रायल का कांसेप्ट क्या है
19:18ट्रायल कांसेप्ट बहुत सिंपल है आपको बेस्ट
19:21हाइपर पैरामीटर वैल्यू निकालनी है इसके
19:23लिए आप क्या करते हो अलग-अलग कॉमिनेशन
19:26ट्राई आउट करते हो सो लेट्स से आपने सबसे
19:28पहले ये वाला कॉमिनेशन ट्राई आउट किया
19:30जहां पर मैक्स डेप्थ वन था और हाइपर एन
19:34एस्टिमेटर की वैल्यू 50 थी उसके बाद मान
19:37लो आपने यह वाला ट्राई किया जहां पर मैक्स
19:40डेप टू था और एन एस्टिमेटर की वैल्यू 100
19:43थी तो आप क्या कर रहे हो कि यह जो अलग-अलग
19:47नंबर्स ट्राई कर रहे हो इन इन्हीं को हम
19:51ट्रायल बुलाते हैं बेसिकली सो होता क्या
19:53है कि हम यह वैल्यूज को ले रहे हैं मैक्स
19:55डेप्थ वन और एन एस्टीमेट 50 और इस वैल्यू
20:00को लेकर के अपने मॉडल को ट्रेन कर रहे हैं
20:02डटा के ऊपर तो फॉर ईच यूनिक कॉमिनेशन वीी
20:06आर ट्रेनिंग आवर मॉडल राइट तो एवरी टाइम
20:08दैट वी आर ट्रेनिंग दिस मॉडल वी कैन कॉल
20:10दिस प्रोसेस अ ट्रायल ठीक है एंड दैट इज
20:13व्हाई जब आप सारे ट्रायल्स को मिला देते
20:15हो तो वही आपका स्टडी होता है बिकॉज़ सारे
20:17ट्रायल्स को अगर आप एग्जीक्यूट करोगे तो
20:19ऑटोमेटिक आपको एक बेस्ट ट्रायल मिलेगा और
20:22बेस्ट ट्राइल में आपको आपकी बेस्ट हाइपर
20:24पैरामीटर वैल्यूज मिलेंगी सो नट शेल में
20:27ट्रायल इज वन सिंगल रन और वन सिंगल
20:29एक्सपेरिमेंट दैट यू आर डूइंग और खूब सारे
20:32ट्रायल्स का कॉमिनेशन बिकम द स्टडी ठीक है
20:35आई होप आपको यह बात समझ में आ गई अगली चीज
20:38है अ ट्रायल पैरामीटर्स सो हर ट्रायल के
20:42दौरान आपके हाइपर पैरामीटर्स की एक वैल्यू
20:44होती है जैसे मान लो जब आप यह वाला ट्रायल
20:46कर रहे हो तो इस टाइम पे आपके जो हाइपर
20:48पैरामीटर्स है उसकी कुछ वैल्यू होगी जैसे
20:50मैक्स डेप्थ की वैल्यू टू है एंड
20:52एस्टिमेटर की वैल्यू 100 है तो इनको हम
20:54ट्रायल पैरामीटर्स बोलते हैं फॉर दैट
20:56पर्टिकुलर ट्रायल ठीक है आई होप ये भी
20:58आपको समझ में आ गया उसके बाद आता है
21:00ऑब्जेक्टिव फंक्शन सो ऑब्जेक्टिव फंक्शन
21:03क्या होता है ऑब्जेक्टिव फंक्शन ही वो
21:05रिलेशनशिप है जिसको हम खोजने निकले हैं
21:08ठीक है सो मैंने आपको बताया थोड़ी देर
21:11पहले कि आपके मैक्स डेप्थ एंड एन
21:16एस्टिमेटर एंड एक्यूरेसी के बीच में एक
21:21रिलेशनशिप है राइट और यह रिलेशनशिप हिडन
21:25है मैं बस इतना कर सकता हूं कि मैं मैक्स
21:29डेप्थ की एक वैल्यू दे सकता हूं एन
21:32एस्टिमेटर की एक वैल्यू दे सकता हूं और
21:34पूरे मॉडल को ट्रेन करके एक्यूरेसी की
21:37वैल्यू निकाल सकता हूं इतना मैं कर सकता
21:39हूं तो यह जो पूरा प्रोसेस है जहां पर मैं
21:42मैक्स डेप्थ की एक वैल्यू दे रहा हूं
21:43एनएसटी मीटर की एक वैल्यू दे रहा हूं और
21:45पलट के मुझे मेरा एक्यूरेसी का वैल्यू मिल
21:47रहा है इस पूरे के पूरे चीज को हम
21:50ऑब्जेक्टिव फंक्शन बुलाते
21:54हैं दिस इज कॉल्ड ऑब्जेक्टिव फंक्शन दिस
21:57प्रोसेस इज कॉल्ड ऑब्जेक्टिव फंक्शन ठीक
21:59है एंड द लास्ट थिंग इज सैंपलर सैंपलर इज
22:03द मोस्ट इंपॉर्टेंट थिंग इन ऑटोना सो जैसा
22:06कि मैंने आपको बोला कि ऑप्ट बेजन सर्च यूज
22:11करता है और बेजन सर्च की सबसे खास बात
22:13क्या है कि वह आपके सर्च स्पेस के अंदर
22:18प्रॉमिसिफाई किए उसके बाद आपने यह
22:21कॉमिनेशन ट्राई किया तो इन तीन डाटा
22:24पॉइंट्स के बेसिस पर वह यह समझ पाता है कि
22:27अगला हमें यह ट्रा ट्राई करना चाहिए फिर
22:29इन चार के बेसिस पे वो यह समझ पाता है कि
22:33हमें अगला यह ट्राई करना चाहिए फिर इन
22:34पांच के बेसिस प वो समझ पाता है कि हमें
22:36अगला ये ट्राई करना चाहिए तो ये
22:38इंटेलिजेंस उसके अछे उसके पीछे काम कर रहा
22:40है राइट तो सैंपलर इज दैट मेन कंपोनेंट जो
22:44आपको यह बताता है कि बेस्ड ऑन अभी तक का
22:47डाटा आपको नेक्स्ट कौन सा कॉमिनेशन ट्राई
22:50करना चाहिए ठीक है स यहां पर देखो लिखा
22:52हुआ है अ सैंपलर इज द एल्गोरिदम दैट
22:56सजेस्ट्स व्हिच हाइपर पैरामीटर शुड बी
22:59इवेलुएटेड नेक्स्ट ठीक है खूब सारी
23:01पॉसिबिलिटीज है खूब सारे कॉम्बिन शंस है
23:03बट अभी तक मैंने जितना डाटा देखा है जितना
23:07मैंने ट्रायल्स रन किए हैं उसके बेसिस पे
23:10नेक्स्ट मुझे कौन सा हाइपर पैरामीटर
23:13वैल्यूज को ट्राई आउट करना चाहिए यह
23:14सैंपलर मुझे बताता है ठीक है तो यहां पर
23:18एक सैंपलर यूज होता है जिसको हम टीपीई
23:21बुलाते हैं बहुत ही फेमस सैंपलर है जो
23:23पेपर मैंने डिस्क्रिप्शन में डाला है
23:25उसमें आपको टीपीई का भी मैथमेटिक्स दिखाई
23:27देगा पीपी का फुल फॉर्म होता है ट्री
23:29स्ट्रक्चर्ड पार्जन एस्टिमेटर तो ऑप्ट बाय
23:32डिफॉल्ट यह सैंपलर यूज़ करता है ठीक है तो
23:35सैंपलर इज़ लाइक द की कंपोनेंट जो बिहाइंड
23:38द सींस पूरा का पूरा बेजन ऑप्टिमाइजेशन
23:40एग्जीक्यूट करके आपको दे रहा है ठीक है तो
23:42यह पांच टर्म्स आपको पता होने चाहिए अदर
23:44वाइज़ कोड में आपको थोड़ा सा प्रॉब्लम
23:46होगा सबसे पहला हमने सीखा स्टडी क्या होता
23:48है ओवरऑल पूरा का पूरा जो एक्सपेरिमेंट
23:51जिसमें हम बेस्ट हाइपर पैरामीटर वैल्यूज
23:53निकालना चाह रहे हैं उसको हम एक्स स्टडी
23:55बुलाते हैं अ हर स्टडी में मल्टी मल
23:58ट्रायल्स होते हैं तो हर ट्रायल में आप
24:01कुछ ट्रायल पैरामीटर्स लेक चलते हो और
24:04इसके अलावा ऑब्जेक्टिव फंक्शन इज द मेन
24:06फंक्शन जिससे हम हाइपर पैरामीटर वैल्यू
24:08भेज रहे हैं और पलट के हमें एक्यूरेसी मिल
24:11रही है ठीक है एंड लास्टली सैंपलर इज द
24:13मेन गाय जो बिहाइंड द सींस पूरा का पूरा
24:15डिसीजन मेकिंग कर रहा है कि नेक्स्ट कौन
24:17सा अ हाइपर पैरामीटर वैल्यू आपको ट्राई
24:20आउट करना चाहिए फॉर द नेक्स्ट ट्रायल ठीक
24:22है तो ये चार पांच चीजें आपको पहले से पता
24:24होनी चाहिए नाउ दैट वी नो कि ये चार पांच
24:26चीजें क्या है अब हम
24:28कोड देखेंगे सो गाइस कोड मैंने पहले से
24:31लिख रखा है और कोड आपको दिखाने के पहले बस
24:34एक क्विक डिस्क्लेमर है कोड आपको डिफिकल्ट
24:36नहीं लगेगा कोड बस आपको थोड़ा नया लगेगा
24:39सो मैं जहां भी मुझे कुछ लगेगा कि
24:41एक्सप्लेन करने लायक है मैं अच्छे से
24:43एक्सप्लेन करूंगा बाकी इट वुड बी ग्रेट
24:45अगर आप इस googleapis.com
24:58इंस्टॉल टूना बिकॉज बाय डिफॉल्ट य आपको
25:11[संगीत]
25:27googleapis.com फिकेशन डेटा सेट सो यहां
25:30पर डेटा सेट को हमने लोड किया है दिस इज द
25:32डेटा सेट अ डेटा सेट में अ जल्दी से अगर
25:36मैं आपको बताऊं तो एक प्रॉब्लम है और वो
25:38प्रॉब्लम यह है कि यहां पे कुछ मिसिंग
25:40वैल्यूज हैं और वो मिसिंग वैल्यूज जो हैं
25:42वो जीरो से रिप्रेजेंटेड है राइट तो हमें
25:45सबसे पहले क्या करना पड़ेगा कि जो जहां भी
25:48रो दिखाई दे रहा है अ उनको हमें पहले
25:50np.nan से रिप्लेस करना पड़ेगा और फिर उन
25:54नन वैल्यूज को हमें इंप्यूट करना पड़ेगा
25:56तो इंप्यूट करने के लिए फिलहाल अगेन मैंने
25:58ज्यादा दिमाग नहीं लगाया सिंपली मीन से
26:00रिप्लेस कर दिया है तो ये जो पूरा कोड है
26:02एगजैक्टली यही कर रहा है यह आपका जीरोज को
26:05नन वैल्यू से रिप्लेस कर रहा है और फिर नन
26:07वैल्यूज को मीन से रिप्लेस कर रहा है सो
26:10ये पूरा कोड एग्जीक्यूट करने के बाद अब
26:12आपके डेटा सेट में कोई मिसिंग वैल्यूज
26:14नहीं है अब हम क्या कर रहे हैं x और y को
26:17अलग कर रहे हैं ट्रेन टेस्ट स्प्लिट मार
26:19रहे हैं और स्केलिंग कर रहे हैं स्केलिंग
26:23वैसे रिक्वायर्ड नहीं है उतना बिकॉज़ हम
26:25रैंडम फॉरेस्ट अप्लाई करने वाले हैं तो
26:26वहां पे स्केलिंग उतना मैटर नहीं कर बट
26:28अगेन कोई प्रॉब्लम नहीं है स्केलिंग का
26:30कोई नुकसान नहीं होता और यह सब करने के
26:33बाद फिलहाल मेरे पास मेरा एक्स ट्रेन और
26:35एक्स टेस्ट आ चुका है सो यू कैन सी मेरे
26:38एक्स ट्रेन में 537 रोज हैं एट कॉलम्स हैं
26:41एंड मेरे एक्स टेस्ट में 231 रोज एंड एट
26:44कॉलम्स हैं ठीक है सो नाउ वी आर रेडी टू
26:46अप्लाई आवर एल्गोरिथम अब यहीं पर हम पूरा
26:50का पूरा ऑप्ट का वर्कफ्लो लेके आएंगे ठीक
26:53है तो ऑप्ट का जो वर्कफ्लो है उसमें आप जो
26:56सबसे पहली चीज करते हो वह यह है कि आप एक
26:58ऑब्जेक्टिव फंक्शन डिफाइन करते हो ठीक है
27:01तो यहां पर हमने एगजैक्टली यही काम किया
27:03है यू कैन सी इस पूरे कोड में हमने एक
27:05ऑब्जेक्टिव फंक्शन डिफाइन किया है इस
27:08ऑब्जेक्टिव फंक्शन के अंदर दो काम हो रहे
27:10हैं पहला काम क्या हो रहा है कि हम हमारा
27:12हाइपर पैरामीटर सर्च स्पेस बना रहे हैं
27:15ठीक है सो मुझे पहले से पता है कि मुझे
27:17किन हाइपर पैरामीटर अ वैल्यूज को ट्यून
27:19करना है सो जैसा हमने डिस्कस किया था हम
27:22एन एस्टिमेटर पे फोकस कर रहे हैं हम मैक्स
27:24डेप्थ पे फोकस कर रहे हैं और हम ऑलरेडी
27:27बता रहे हैं कि कि हम किस रेंज में एन
27:30एस्टिमेटर्स को खोज रहे हैं या एन
27:32एस्टिमेटर की बेस्ट वैल्यू को खोज रहे हैं
27:34सो हम 50 से लेकर 200 के बीच में खोज रहे
27:36हैं हमारे डिस्कशन के हिसाब से हम 250 भी
27:39कर सकते हैं बट अगेन जो कोड में लिखा हुआ
27:41है और मैक्स डेप्थ में हम तीन से लेकर के
27:4420 के बीच में वैल्यूज को खोज रहे हैं तो
27:46ये मेरा सर्च स्पेस बन गया बेसिकली इस
27:48पॉइंट पे हमने ये क्रिएट कर लिया ये हमारा
27:52सर्च स्पेस था ये बन चुका है उसके बाद जो
27:54सेकंड चीज आप करते हो ऑब्जेक्टिव फंक्शन
27:56में वो है बहुत सिंपल
27:58ट्रेनिंग का वर्कफ्लो लिख देते हो तो हमने
28:01क्या किया यहां पर एक अ मॉडल क्रिएट किया
28:05जो कि एक रैंडम फॉरेस्ट
28:08क्लासिफाई मेे र और मैक्स डेप्थ की वैल्यू
28:11प्रोवाइड कर दी और वो वैल्यू आपको कहां से
28:13मिल रही है यहां ऊपर से ठीक है अब यहां पर
28:16आपको एक दो नई चीजें दिखाई देंगी जैसे कि
28:18यह ट्रायल क्या है और यह सजेस्ट इंटी जर
28:21फंक्शन क्या है डोंट वरी ये मैं आपको
28:23एक्सप्लेन करूंगा फिलहाल बस यह समझो कि जब
28:26ये दोनों लाइंस ऑफ कोड एग्जीक्यूट हो
28:28होंगे तो आपको एक एन एस्टिमेटर वैल्यू
28:30मिलता है और एक मैक्स डेप्थ वैल्यू मिलता
28:32है हम उन दो वैल्यूज को ले रहे हैं और
28:35उनकी हेल्प से एक मॉडल को डिफाइन कर रहे
28:38हैं और वो जो मॉडल है उसको हम यूज करके इस
28:41लाइन में क्रॉस वैलिडेशन लगा कर के
28:44ट्रेनिंग कर रहे हैं क्रॉस वैलिडेशन लगाने
28:46का मतलब मल्टीपल टाइम्स ट्रेनिंग कर रहे
28:48हैं और मल्टीपल टाइम ट्रेनिंग करने से
28:50मल्टीपल एक्यूरेसी स्कोर्स मिल रहे हैं हम
28:52उन एक्यूरेसी स्कोर्स का एवरेज निकाल रहे
28:55हैं यू कैन सी यहां पर मीन निकाल रहे हैं
28:57और वही मीन हमारा ऑब्जेक्टिव फंक्शन
28:59रिटर्न कर रहा है तो सिंपल शब्दों में
29:01ऑब्जेक्टिव फंक्शन के अंदर दो चीजें हुई
29:04हमारा सर्च स्पेस डिफाइन हुआ और उस सर्च
29:07स्पेस के अंदर से हम हर बार एक एन
29:10एस्टिमेटर वैल्यू और एक मैक्स डेप्थ
29:11वैल्यू ले रहे हैं उन वैल्यूज को यूज करके
29:13हम एक मॉडल डिफाइन कर रहे हैं उस मॉडल से
29:16हम डेटा पे ट्रेनिंग कर रहे हैं और डेटा
29:18की ट्रेनिंग से जो एक्यूरेसी हमें मिल रहा
29:19है वो एक्यूरेसी हमारा ऑब्जेक्टिव फंक्शन
29:21रिटर्न कर रहा है यही चार-पांच चीजें यहां
29:23पर हो रही हैं ठीक है तो ये सबसे पहला
29:26टास्क हमने अचीव कर लिया कि हमारे पास
29:29हमारा ऑब्जेक्टिव फंक्शन है और अच्छे से
29:31काम कर रहा है अब इसके बाद का कोड बहुत ही
29:34सिंपल है और सिर्फ दो लाइंस का कोड है ठीक
29:36है सो पहली लाइन जो है वह बहुत ही सिंपल
29:39है इस लाइन में हम क्या कर रहे हैं कि हम
29:42एक नया स्टडी क्रिएट कर रहे हैं एक नया
29:45एक्सपेरिमेंट क्रिएट कर रहे हैं ठीक है सो
29:47यहां पर हमने क्या किया ऑप्ट डॉट क्रिएट
29:50स्टडी फंक्शन को कॉल किया और यहां पर हम
29:53दो चीजें बता रहे हैं पहला हम बता रहे हैं
29:56डायरेक्शन और डायरेक्शन की वैल्यू है
29:58मैक्सिमाइज मैक्सिमाइज क्यों है बिकॉज़ हम
30:02एक्यूरेसी के ऊपर काम कर रहे हैं और हम
30:04एक्यूरेसी को बढ़ाना चाहते हैं ठीक है दैट
30:07इज व्हाई डायरेक्शन का वैल्यू मैक्सिमाइज
30:08है मान लो अभी थोड़ी देर के लिए अगर हमने
30:10अपने ऑब्जेक्टिव फंक्शन में एक्यूरेसी के
30:13बदले लॉस को रखा होता कोई भी लॉस क्रॉस
30:15एंट्री प लॉस मीन स्क्वायर्ड एरर कुछ भी
30:18अगर लॉस होता हम अगर लॉस को लेके चल रहे
30:20होते तो हम यहां पे डायरेक्शन मिनिमाइज
30:22करते बिकॉज हम लॉस को हमेशा रिड्यूस करना
30:25चाहते हैं ठीक है तो ये डिपेंड करता है कि
30:27आप टिव फंक्शन में किस मैट्रिक को लेके
30:30काम कर रहे हो इफ इट इज लॉस देन यू
30:33मिनिमाइज इफ इट इज एक्यूरेसी r2 स्कोर यू
30:35मैक्सिमाइज ठीक है तो क्रिएट स्टडी को दो
30:38चीजें चाहिए होती है पहला डायरेक्शन वो
30:41हमने बता दिया और सेकंड उसको एक सैंपलर
30:43चाहिए होता है ठीक है जो उसको बताता है कि
30:47अगला कौन सा हाइपर पैरामीटर वैल्यू आपको
30:50चूज करना है ठीक है तो सैंपलर में
30:53हमने टीपीई सैंपलर को चूज किया जो मैंने
30:57आपको थोड़ी देर पहले बताया था ट्री पार्जन
30:59एस्टिमेटर सैंपलर ठीक है तो यह सैंपलर
31:03वैसे बाय डिफॉल्ट होता है बट मैंने यहां
31:05पे अलग से लिख के दिखाया कि दिस इज द
31:07सैंपलर दैट वी आर गोइंग टू यूज सो इससे
31:09क्या होगा ऑटोमेटिक बिहाइंड द सींस बेजन
31:13सर्च ट्रिगर हो जाएगा ठीक है तो इस लाइन
31:15की हेल्प से क्या हुआ कि मेरा स्टडी
31:18क्रिएट हो चुका है ठीक है अब बस मुझे क्या
31:21करना है सारे के सारे ट्रायल्स रन करने तो
31:24उसके लिए आता है सेकंड लाइन सेकंड लाइन
31:27में हमने क्या किया जो हमरा हमारा स्टडी
31:28ऑब्जेक्ट हमने बनाया था ऊपर उसके अंदर एक
31:30ऑप्टिमाइज फंक्शन होता है हमने उसको कॉल
31:32कर दिया और उस ऑप्टिमाइज फंक्शन में हमने
31:34दो इनपुट्स दिए पहला हमने उसको बता दिया
31:37कि हमारा ऑब्जेक्टिव फंक्शन क्या है तो
31:40हमारा ऑब्जेक्टिव फंक्शन यह है तो मैंने
31:43ऑप्टिमाइज के अंदर अपना ऑब्जेक्टिव फंक्शन
31:45भेज दिया कि देखो भाई दिस इज द प्रोसेस टू
31:47कैलकुलेट एक्यूरेसी करते रहना और सेकंड
31:51मुझे यह बताना है कि मुझे कितने ट्रायल्स
31:53रन करने हैं मेरे स्टडी के अंदर तो मैंने
31:56बोला मुझे 50 ट्रायल्स रन करने ठीक है तो
31:59पूरा फ्लो कैसा है मैं आपको एक बार लिख के
32:01समझाता हूं कि आपने एक ऑब्जेक्टिव फंक्शन
32:04डिफाइन कर रखा है जिसमें जैसे ही आप हाइपर
32:07पैरामीटर की वैल्यू भेजते हो यह
32:09ऑब्जेक्टिव फंक्शन आपको एक्यूरेसी निकाल
32:11के दे देता है यह आपने बना के रख लिया
32:14सेकंड आपने एक स्टडी क्रिएट कर
32:16ली और अब उस स्टडी को आप यूज कर रहे हो टू
32:22क्रिएट
32:24मल्टीपल ट्रायल्स हाउ मेनी ट्रायल्स 50
32:28ट्रायल्स एंड ड्यूरिंग ईच ट्रायल आप बता
32:31दे रहे हो कि दिस इज द ऑब्जेक्टिव फंक्शन
32:34इसमें आप हाइपर पैरामीटर वैल्यू भेजते जाओ
32:37और आपको एक्यूरेसी मिलते जाएगी ठीक है अब
32:40सवाल आता है कि अगली हाइपर पैरामीटर
32:42वैल्यू कौन सी होनी चाहिए तो यह कौन
32:45डिसाइड करेगा यह डिसाइड करेगा आपका
32:47सैंपलर टीपी सैंपलर का काम है पास्ट डाटा
32:51के बेसिस पे ये डिसाइड करना कि नेक्स्ट
32:53कौन सी हाइपर पैरामीटर वैल्यू मुझे ट्राई
32:55आउट करनी है ठीक है सो होता क्या है कि
32:58जैसे ही आप इस लाइन को ट्रिगर करते हो यह
33:01ऑब्जेक्टिव फंक्शन ट्रिगर हो जाता है और
33:03इस ऑब्जेक्टिव फंक्शन को एक ट्रायल
33:05ऑब्जेक्ट मिलता है ठीक है और इस ट्राइल
33:08ऑब्जेक्ट के अंदर ही वह पूरा इंटेलिजेंस
33:10छुपा हुआ है जो उसको हेल्प करता है यह
33:12बताने में कि नेक्स्ट कौन सा हाइपर
33:13पैरामीटर वैल्यू चूज करना चाहिए तो यह जो
33:16यहां पर ट्रायल डॉट सजेस्ट इंट है यही वह
33:20एग्जैक्ट मेथड है जो बता रहा है कि मैक्स
33:23डेप्थ का कौन सा अगला वैल्यू चूज करना
33:25चाहिए बेस्ड ऑन पास्ट डाटा रली ट्रायल डॉट
33:28सजेस्ट इंट का यह जो मेथड है यह मुझे बता
33:31रहा है कि ए एस्टिमेटर का कौन सा वैल्यू
33:34ट्राई आउट करना चाहिए बेस्ड ऑन प्रीवियस
33:35डाटा तो दिस इज द
33:37एंटायस फंक्शन वी हैव अ स्टडी वो स्टडी के
33:41हेल्प से वी आर एग्जीक्यूटिंग मल्टीपल
33:42ट्रायल्स ड्यूरिंग ईच ट्रायल हम
33:45ऑब्जेक्टिव फंक्शन को कॉल कर रहे हैं और
33:46ऑब्जेक्टिव फंक्शन में हम एक ट्रायल
33:48ऑब्जेक्ट भेज रहे हैं उस ट्रायल ऑब्जेक्ट
33:49के अंदर ये इंटेलिजेंस छुपा हुआ है कि वो
33:52ऑटोमेटिक डिसाइड कर सकता है कि नेक्स्ट
33:53कौन सा हाइपर पैरामीटर वैल्यू मुझे चूज
33:56करना चाहिए वो चूज करता है उस नई हाइपर
33:58पैरामीटर वैल्यू की हेल्प से एक नया रैंडम
34:00फॉरेस्ट तैयार होता है उस रैंडम फॉरेस्ट
34:02को हम डेटा पे ट्रेन करते हैं फिर से मुझे
34:04एक्यूरेसी मिलती है और वो एक्यूरेसी हम
34:06आगे कहीं पर भेजते हैं और वहां पे फिर से
34:09नया डाटा के बेसिस पे फिर से डिसीजन
34:11मेकिंग होता है कि नेक्स्ट कौन सा हाइपर
34:13पैरामीटर वैल्यू यूज होना चाहिए ड्यूरिंग
34:14द नेक्स्ट ट्रायल और ये पूरा प्रोसेस आइट
34:17में होता है 50 टाइम्स और 50 टाइम्स के
34:20बाद आपको आपकी बेस्ट हाइपर पैरामीटर
34:22वैल्यू और बेस्ट एक्यूरेसी वैल्यू मिल
34:24जाती है दिस इज हाउ दिस एंटायस वर्किंग
34:27जस्ट टू लाइंस ऑफ कोड एंड वन ऑब्जेक्टिव
34:29फंक्शन डेफिनेशन
34:52दैट्ची मेटर की कौन सी वैल्यू ट्राई की 69
34:55और मैक्स डेप्थ की कौन सी वैल्यू ट्रा की
34:588 बाय द वे हम 50 का स्टेप नहीं ले रहे
35:00हैं एन एस्टिमेटर में 50 100 150 200 ऐसे
35:03नहीं कर रहे हम हर वैल्यू को ट्राई आउट कर
35:05रहे हैं 51 को भी कर रहे हैं 52 को भी कर
35:07रहे हैं 65 को भी कर रहे हैं 66 को भी कर
35:09रहे हैं तो उसने सबसे पहले चूज किया 69 को
35:11और मैक्स डेप्थ 8 को तो बेसिकली उसने सम
35:15वेयर इस जगह
35:17पे यहां पे अगर मैं 78 कर दूं 6 78 कर दूं
35:23तो उसने कोई यहां की वैल्यू चूज की इधर की
35:25वैल्यू ठीक है उसकी वजह से उसको एक्यूरेसी
35:29मिला 77 का ठीक है उसके बाद सैंपलर ने
35:33उसको बोला कि नेक्स्ट भाई तुम ट्राई करो
35:35122 और 20 को तो फिर वह यहां चला गया 20
35:3922 कहीं यहां पर होगा तो उसने यहां की
35:42वैल्यू ट्राई आउट की फिर अगला उसको बोला
35:45गया कि 144 और 15 को ट्राई करो तो 144 और
35:4915 कहीं यहां पर होगा ठीक है फिर उसको
35:53बोला गया कि 197 और 9 ट्राई करो तो 197
35:56शायद कहीं यहां पर होगा और नाइन यहां पर
35:59होगा इस तरीके से हम उसको सर्च स्पेस में
36:02अलग-अलग कॉमिनेशन में ट्रायल्स करवा रहे
36:05हैं और डेटा कलेक्ट करते जा रहे हैं कि
36:07एक्यूरेसी कितना मिल रहा है एक्यूरेसी
36:09कितना मिल रहा है और फिर ये जो डेटा
36:10कलेक्ट होते जा रहा है इसके बेसिस पे
36:12इंटेलिजेंट डिसीजन मेकिंग होते जा रही है
36:13कि अगला फिर कौन सा रीजन हमें ट्राई आउट
36:16करना चाहिए तो जब आप इस तरह के खूब सारे
36:18पॉइंट्स
36:19प्लॉट करते जाओगे और आपको साथ ही साथ
36:22एक्यूरेसी का भी वैल्यू मिलता जाएगा तो
36:24आपको समझ में आने लग जाएगा कि इस पूरे
36:25सर्च स्पेस में सबसे प्रोम रीजंस कौन से
36:28हैं मैं आपको थोड़ी देर में दिखाऊंगा यह
36:30ग्राफ के थ्रू कि सबसे
36:32प्रॉमिसिफाई
36:34देगा वहीं पर आप बाकी का सर्च कंडक्ट
36:37करोगे तो दिस इज द इंटेलिजेंस ऑफ बेजन
36:39ऑप्टिमाइजेशन जो बिहाइंड द सींस चल रहा है
36:42और ऐसा हमने 50 टाइम्स किया और 50 टाइम्स
36:44के बाद यह स्टडी शट डाउन हो गई और अब मेरे
36:47पास स्टडी के अंदर इंफॉर्मेशन है बेस्ट
36:51ट्रायल का और बेस्ट ट्रायल के अंदर
36:53इंफॉर्मेशन है वैल्यू का ठीक है वैल्यू
36:56मतलब एक्यूरेसी की मैक्सिमम कौन सी वैल्यू
36:58फाइनली मुझे मिली और सिमिलरली बेस्ट
37:01ट्रायल के अंदर ये इंफॉर्मेशन है कि बेस्ट
37:03पैरामीटर्स कौन से हैं ठीक है तो जब मैंने
37:06इनको रन किया तो दिस इज द रिजल्ट दैट आई
37:08एम गेटिंग आफ्टर 50 ट्रायल्स द बेस्ट
37:11एक्यूरेसी दैट आई एम एबल टू अचीव इज 78 पर
37:15और यह ट्रेनिंग डाटा के ऊपर है बाय द वे
37:17और जो बेस्ट हाइपर पैरामीटर वैल्यूज है वो
37:19है 115 फॉर एन एस्टिमेटर एंड 18 फॉर मैक्स
37:23डेप्थ ठीक है अब हम क्या कर रहे हैं हम एक
37:27कंपलीटली नया रैंडम फॉरेस्ट क्लासिफाई हम
37:30एन एस्टिमेटर का वैल्यू 115 रख रहे हैं
37:32मैक्स डेप्थ का वैल्यू 18 रख रहे हैं और
37:35डेटा के ऊपर फिर से ट्रेन कर रहे हैं
37:36बिकॉज दिस इज गोइंग टू बी द बेस्ट मॉडल और
37:39फिर हम ट्रेनिंग कर रहे हैं और टेस्ट डाटा
37:42के ऊपर एक्यूरेसी निकाल रहे हैं एंड यू
37:45कैन सी दिस इज द एक्यूरेसी दैट वी आर
37:46गेटिंग ऑन टेस्ट डेटा दैट इज 75 पर व्हिच
37:50इज एक्चुअली गुड अच्छा है ठीक है थोड़ा और
37:52मेहनत करेंगे अग अगर हम लोग प्री
37:54प्रोसेसिंग में इंप्यूटेशन में तो वी कैन
37:56गेट बेटर रिजल्ट्स बट फिलहाल इट इज अ गुड
37:58स्टार्टिंग पॉइंट ठीक है सो दिस इज हाउ अ
38:01ऑप्ट वर्क्स बहुत सिंपल है जो भी मेन चीज
38:05हो रही है वो बस इस ऑब्जेक्टिव फंक्शन की
38:08हो रही है इस ऑब्जेक्टिव फंक्शन के अंदर
38:10हो रही है कि आप यहां पे सर्च स्पेस कैसा
38:12डिफाइन कर रहे हो और उसके बाद यहां की
38:15आपकी सेटिंग क्या है दैट्ची
38:27वर्कफ्लो कि ऑप्ट कैसे काम करता है अब मैं
38:30आपको इसके कुछ और तगड़े फीचर्स बताता हूं
38:32जो आपको बहुत हेल्प करेंगे सो गाइस एक
38:35बहुत बढ़िया फीचर टूना का यह है कि यहां
38:37पर सिर्फ एक ही सैंपलर नहीं है यहां पर
38:41मल्टीपल सैंपलर्स हैं सो अभी तक हमने जो
38:44सैंपलर यूज किया वह था
38:46टीपीई जो बेजिन
38:49सर्च या फिर बेजिन ऑप्टिमाइजेशन करके देता
38:53है बट अगर आप चाहो तो आप डिफरेंट
38:56ऑप्टिमाइजर यूज कर सकते हो आई एम सॉरी
38:58डिफरेंट सैंपलर्स यूज कर सकते हो सो यहां
39:01पर आपके पास एक सैंपलर होता है जिसकी
39:04हेल्प से आप रैंडम सर्च भी कर सकते हो और
39:09आपके पास एक सैंपलर होता है जिसकी हेल्प
39:11से आप ग्रिड सर्च भी कर सकते हो और इसके
39:14अलावा भी और बहुत सारे मल्टीपल सैंपलर्स
39:17आर अवेलेबल तो मैं आपको क्विकली दिखाता
39:20हूं कि कैसे आप ऑप्ट की हेल्प से रैंडम
39:22सर्च और ग्रिड सर्च कर सकते हो सो आपको यह
39:25दोनों करने के लिए साइक लान की जरूरत नहीं
39:27पड़ेगी सो करना कुछ नहीं है वापस आपको
39:31अपना ऑब्जेक्टिव फंक्शन डिफाइन करना है
39:34बिकॉज इसके बिना तो काम नहीं होता
39:36ऑब्जेक्टिव फंक्शन बिल्कुल सेम है जो
39:37मैंने आपको थोड़ी देर पहले दिखाया था उसके
39:40बाद यहां पर बस आपको एक छोटा सा चेंज करना
39:42है सैंपलर में आप ऑप्ट डट सैंपलर से रैंडम
39:46सैंपलर ऑब्जेक्ट क्लास को कॉल करते हो ठीक
39:50है और इससे आपको आपका रैंडम सैंपलर
39:53ऑब्जेक्ट मिल जाता है और यहां पर भी आप
39:55अपना ऑब्जेक्टिव बोल रहे हो और बोल हो कि
39:5750 ट्रायल्स रन करो तो अब क्या होगा कि
40:01बिहाइंड द सींस आप रैंडम पैरामीटर
40:05कॉमिनेशन ट्राई आउट करोगे कितनी बार 50
40:09बार और उन 50 बार ट्रायल्स रन करने के बाद
40:13जो भी आपको बेस्ट वैल्यूज मिलेंगी वही
40:15आपकी बेस्ट हाइपर पैरामीटर वैल्यू बन
40:17जाएगी सो इसको मैंने 50 बार रन किया एंड
40:20एवरीथिंग इज रैंडम ठीक है और उसके बाद जो
40:23बेस्ट वैल्यूज आई है वो आपकी ये आई है ठीक
40:26है 115 और और 18 ये बेस्ट वैल्यू आपको दे
40:29रहा है और फिर हमने एक नया रैंडम फॉरेस्ट
40:32फिर से क्रिएट किया विथ दीस पैरामीटर
40:35वैल्यूज उसके ऊपर मॉडल को ट्रेन किया और
40:39एक्यूरेसी निकाला एंड द एक्यूरेसी इज
40:41कमिंग आउट टू बी 75 व्हिच इज एक्चुअली
40:43क्लोज टू जो थोड़ी देर पहले हमें बेजन
40:46सर्च से मिला बट अगेन छोटा डेटा सेट है
40:48ज्यादा हमने मेहनत नहीं की इसलिए आसपास आ
40:50रहा है बट जनरली अच्छे डेटा सेट्स पे आपको
40:52डिफरेंस दिखाई दे जाएगा ठीक है उसके बाद
40:55मैं आपको क्विकली दिखाता हूं कि ग्रिड
40:57सर्च कैसे करते हैं ग्रिड सर्च में आप
40:59क्या करते हो आप पहले अपना सर्च स्पेस
41:00एक्स एक्सप्लीसिटली डिफाइन करते हो
41:02ऑब्जेक्टिव फंक्शन के बाहर तो मैंने यहां
41:04पे डिफाइन कर दिया कि एन एस्टिमेटर की यह
41:06वैल्यूज आपको ट्राई आउट करनी है 50 100
41:08150 200 और मैक्स डेप्थ की आपको यह
41:11वैल्यूज ट्राई आउट करनी है 5 10 15 और 20
41:14ठीक है बिकॉज़ इसमें हम इतने ज्यादा
41:16वैल्यूज ट्राई आउट नहीं कर सकते बिकॉज़
41:18दिस इज ग्रेड सर्च सो हम टोटल कितने
41:20ट्रायल्स रन करेंगे यहां पे फोर और यहां
41:23पे फोर तो टोटल हम 16 ट्रायल्स रन करने
41:25वाले हैं तो हमने कुछ नहीं किया फिर यहां
41:27पे ऑप्टिन ड क्रिएट स्टडी में सैंपलर में
41:30हमने ग्रिड सैंपलर को कॉल किया और ग्रिड
41:32सैंपलर में हमने अपना कस्टम सर्च स्पेस
41:35भेज दिया अब यहां पे बिहाइंड द सीन कुछ
41:37बेजन सर्च नहीं लग रहा वी आर गोइंग टू
41:39ट्राई आउट ईच एंड एवरी पॉसिबल कॉमिनेशन
41:42बिटवीन दीज टू हाइपर पैरामीटर्स एंड यू
41:44कैन सी जब यह रन हुआ टोटल 16 ट्रायल्स रन
41:48हुए रो से 15 और उसके बाद जो भी हमारा
41:50बेस्ट रिजल्ट था वो यह है एंड यू कैन सी
41:54रिजल्ट्स उतने अच्छे नहीं है जितना पिछली
41:56बार आ रहे थे और और 74 का हमारा एक्यूरेसी
41:59आ रहा है ठीक है सो नट शेल में हमने ये
42:01सीखा कि ऑप्टिन आपको फ्लेक्सिबल दे रहा है
42:04अगर आप चाहो तो आप बेजन सर्च भी कर सकते
42:06हो और अगर आप चाहो तो आप रैंडम सर्च ग्रिड
42:09सर्च भी चला सकते हो ये पूरी फ्लेक्सिबल
42:11आपके पास है तो दिस इज वन ऑफ द बेटर
42:13फीचर्स ऑफ ऑप्ट सो गाइ अगला जो बहुत किक
42:16एस फीचर है ऑप्ट का वो है विजुलाइजेशंस सो
42:19ऑप्ट आपको ये फीचर प्रोवाइड करता है कि आप
42:23एक बार जब अपना हाइपर प हाइपर पैरामीटर
42:26ट्यूनिंग प्रोसेस कंप्लीट कर लेते हो उसके
42:29बाद आप बहुत तरीके के ग्राफ्स प्लॉट करके
42:32समझ सकते हो कि पूरा का पूरा जो
42:34ऑप्टिमाइजेशन हुआ है उसमें एगजैक्टली
42:36बिहाइंड द सींस क्या चल रहा था लेट मी शो
42:39यू सो अभी मैंने क्या किया है दोबारा से अ
42:43बेजन ऑप्टिमाइजेशन लगा कर के हाइपर
42:46पैरामीटर ट्यूनिंग की है मतलब मैंने टीपी
42:48सैंपलर यूज किया और अब मैं आपको दिखाता
42:51हूं कि मेरे पास क्या-क्या विजुलाइजेशन
42:52ऑप्शंस अवेलेबल है तो आपको उसके लिए सबसे
42:55पहले ऑना ड विजुलाइजेशन में जाना है और
42:57वहां से यह विजुलाइजेशंस को इंपोर्ट कर
42:59लेना है ठीक है और एक-एक करके अब मैं आपको
43:01सारे विजुलाइजेशंस दिखाता हूं सबसे पहला
43:04जो विजुलाइजेशन है इसको बोला जाता है
43:06ऑप्टिमाइजेशन हिस्ट्री प्लॉट ठीक है इसमें
43:09आप क्या कर सकते हो कि आप एक ग्राफ प्लॉट
43:11करके देख सकते हो बिटवीन द ट्रायल नंबर
43:13एंड द ऑब्जेक्टिव वैल्यू दैट यू आर गेटिंग
43:16सो बेसिकली ट्रायल नंबर वर्सेस एक्यूरेसी
43:18वैल्यू का ये ग्राफ है एंड यू कैन सी कि
43:20जैसे जैसे ट्रायल्स बढ़ रहे हैं स्टेडी
43:23आपका जो एक्यूरेसी वैल्यू है वह भी बढ़ता
43:25जा रहा है बट आप देखोगे कि 31 ट्रायल के
43:29बाद आपका एक्यूरेसी वैल्यू इंप्रूव नहीं
43:32कर रहा तो इससे आपको आईडिया लग सकता है और
43:35आप अपना ट्रायल को प्लान कर सकते हो पहले
43:37से कि कितने ट्रायल्स आपके होने चाहिए ठीक
43:40है तो दिस इज अ वेरी गुड प्लॉट दैट यू कैन
43:41यूज नेक्स्ट इज पैरेलल कोऑर्डिनेट प्लॉट अ
43:46यह भी एक बहुत फेमस टाइप ऑफ प्लॉट है ये
43:49अगर आपने कभी एमएल फ्लो यूज किया होगा तो
43:51वहां पे भी ये प्लॉट काफी यूज होता है तो
43:53दिस प्लॉट हेल्प्स यू अंडरस्टैंड द
43:55रिलेशनशिप बिटवीन एक्यूरेसी मैक्स डेप्थ
43:58एंड एस्टिमेटर सो यहां पर यू कैन सी कि अ
44:01तीन वर्टिकल लाइंस हैं पहली वर्टिकल लाइन
44:05आपकी ऑब्जेक्टिव वैल्यू रिप्रेजेंट कर रहा
44:06है एक्यूरेसी को रिप्रेजेंट कर रहा है
44:08दूसरी लाइन आपको मैक्स डेप्थ की वैल्यू
44:10बता रहा है तीसरी लाइन आपको एन एस्टिमेटर
44:12की वैल्यू बता रहा है एंड यू कैन सी ये जो
44:13लाइंस हैं ये आपके ट्रायल्स हैं और लाइन
44:16का कलर रिप्रेजेंट्स द ऑब्जेक्टिव वैल्यू
44:18तो यू कैन सी कि ज्यादा नंबर ऑफ लाइंस अगर
44:21आप देखो तो मैक्स डेप्थ में 12 से 20 के
44:24बीच में है तो इट शोज कि दिस इज द
44:26हॉटस्पॉट जहां पे ज्यादा ट्रायल्स कंडक्ट
44:28हुए ज्यादा ट्रायल्स कंडक्ट हुए मतलब बेजन
44:30ऑप्टिमाइजेशन को लगा कि दिस इज अ
44:33प्रॉमिसिफाई
44:39हैं व्हिच अगेन शोज यू कि दिस इज द
44:42प्रॉमिसिफाई
44:57डेप्थ वर्सेस ऑब्जेक्टिव वैल्यू अगेन इट
44:59शोज कि आपका 15 से 20 के बीच में खूब सारे
45:02ट्रायल्स कंडक्ट हुए हैं और यह है एन
45:05एस्टिमेटर वर्सेस ऑब्जेक्टिव वैल्यू विच
45:06अगेन शोज कि 100 से 150 के बीच में मोस्ट
45:09ऑफ द ट्रायल्स वर कंडक्टेड ठीक है उसके
45:12बाद एक बहुत इंटरेस्टिंग प्लॉट है सो दिस
45:15इज द प्लॉट जो कि एक कंटूर प्लॉट है जहां
45:18पर एक्स एक्सिस पे मैक्सटेप्थ है वा
45:20एक्सिस पे एन एस्टिमेटर वैल्यू है और यह
45:23आपको एक सरफेस जो दिखाई दे रहा है यह सफ
45:27आपको बता रहा है ऑब्जेक्टिव वैल्यू या
45:29एक्यूरेसी का वैल्यू जितना ज्यादा डेंस
45:31ब्लू कलर है उतनी ज्यादा एक्यूरेसी वैल्यू
45:33है तो इससे आप वो रीजंस
45:38आइडेंटिफिकेशन सी यहां पे ये जो रीजन है अ
45:43माय बैड सो हम वापस जाते हैं यह जो रीजन
45:47है यहां पे आपको सबसे बेस्ट अ ऑब्जेक्टिव
45:52वैल्यू या फिर एक्यूरेसी वैल्यू मिल रही
45:54है तो ये ग्राफ देख कर के मैं तुरंत समझ
45:55सकता हूं कि व्हाट आर दोज हॉटस्पॉट्स इन
45:58माय सर्च स्पेस ठीक है तो इसी ग्राफ की
46:00मैं बात कर रहा था थोड़ी देर पहले कि हो
46:03सकता है शुरू में उसने यहां पर ट्राई किया
46:05हो फिर यहां पर ट्राई किया हो और ऐसे
46:07करते-करते फिर व समझ गया कि यहां पे आपका
46:11ज्यादा हायर एक्यूरेसी गेन करने का चांस
46:13है तो दैट इज व्हाई यू वुड सी कि ज्यादा
46:15नंबर ऑफ ट्रायल्स फिर इस रीजन में कंडक्ट
46:18किए गए बिकॉज बेजन ऑप्टिमाइजेशन इज
46:21इंटेलिजेंट यहां वाले ट्रायल्स उसने करने
46:24छोड़ दिए और यहां पर उसने अपना पूरा का
46:26पूरा पूरा एनर्जी लगाया ठीक है तो यह भी
46:28एक बहुत इंटरेस्टिंग प्लॉट है एंड लास्टली
46:30इट गिव्स यू अ इंपॉर्टेंस प्लॉट जहां पे
46:33आपको वह बता देता है कि आपके कौन से हाइपर
46:35पैरामीटर्स आर मोर इंपॉर्टेंट तो बेस्ड ऑन
46:39द ऑप्टिमाइजेशन प्रोसेस इट सीम्स कि करंट
46:42डेटा सेट के ऊपर अ मैक्स डेप्थ इज अ मोर
46:46इंपॉर्टेंट हाइपर पैरामीटर अराउंड 85 पर
46:48उसका इंपॉर्टेंस है इन कंपेरिजन टू एन
46:51एस्टिमेटर जिसका 15 पर इंपॉर्टेंस है तो
46:53ये भी एक बहुत इंटरेस्टिंग प्लॉट है जो
46:55आपको बताता है कि आपके अलग-अलग हाइपर
46:57पैरामीटर्स का इंपॉर्टेंस क्या है तो दिस
46:59इज अ वेरी गुड फीचर ऑफ ऑप्ट बिकॉज आपको
47:02नॉट ओनली वो चीजें करके दे रहा है बट एट द
47:05सेम टाइम आपको बहुत प्यारे तरीके से
47:08ग्राफ्स की हेल्प से पूरा का पूरा
47:09इंफॉर्मेशन अ कंज्यूम कर कंज्यूम करने में
47:13हेल्प कर रहा है अ सो दिस इज वन कूल फीचर
47:16जो मुझे बाकी लाइब्रेरीज में दिखाई नहीं
47:18दिया सो अब मैं बताता हूं आपको मेरा
47:21पर्सनल फेवरेट फीचर जो मुझे टना में लगता
47:24है और उस फीचर का नाम है
47:28डिफाइन बाय
47:30रन इट्स अ ब्यूटीफुल फीचर जिसकी हेल्प से
47:35आप
47:37डायनामिक सर्च स्पेसेस क्रिएट कर सकते हो
47:41अब यह पूरी बात समझाने के लिए मैं एक
47:44एग्जांपल का हेल्प लूंगा सो अभी थोड़ी देर
47:47पहले मैंने आपको बताया कि हम एक डेटा सेट
47:50के ऊपर काम कर रहे हैं और उस डेटा सेट के
47:52ऊपर हमें रैंडम फॉरेस्ट अप्लाई करना है और
47:56फिर मुझे रैंडम फॉरेस्ट की हाइपर पैरामीटर
47:59की बेस्ट वैल्यूज चाहिए जिसके लिए मैं
48:00ऑप्टिन को यूज कर रहा हूं राइट बट ये
48:04डिसीजन मैंने कैसे लिया कि इस डेटा सेट के
48:06ऊपर रैंडम फॉरेस्ट ही बेस्ट परफॉर्म करेगा
48:10राइट कभी भी आप किसी भी डेटा सेट के ऊपर
48:13जब मशीन लर्निंग अप्लाई करते हो तो आपको
48:16पहले से पता नहीं होता है कि कौन सा
48:18एल्गोरिदम अच्छा परफॉर्म करेगा लॉजिस्टिक
48:20रिग्रेशन अच्छा परफॉर्म करेगा एसबीएम
48:22अच्छा परफॉर्म करेगा या रैंडम फॉरेस्ट
48:24अच्छा परफॉर्म करेगा या एक्सज बूस्ट अच्छा
48:26परफॉर्म कर
48:27यू डोंट नो दैट राइट तो आईडियली आपको क्या
48:30करना पड़ता है कि आपको अपने डटा सेट के
48:33ऊपर सारे मॉडल्स सारे मशीन लर्निंग
48:35एल्गोरिथम्स चलाने पड़ते हैं और फिर जो
48:38आपको बेस्ट रिजल्ट देता है उसको आप चूज
48:40करते हो राइट अब प्रॉब्लम क्या है कि आपको
48:46इस प्रोसेस में लेट्स से अगर आप चार मशीन
48:48लर्निंग एल्गोरिथम्स ट्राई आउट कर रहे हो
48:51तो आपको चार बार हाइपर पैरामीटर ट्यूनिंग
48:54करना पड़ेगा राइट एक बार आप करोगे रैंडम
48:57फॉरेस्ट के लिए फिर एक बार आप एक्सज बूस्ट
49:00के लिए एक बार एसवीएम के लिए एक बार
49:01लॉजिस्टिक रिग्रेशन के लिए नाउ दैट इज अ
49:03प्रॉब्लम चार
49:05बार हाइपर पैरामीटर ट्यूनिंग करना विल टेक
49:08अ लॉट ऑफ टाइम व्हाट इफ मैं सिर्फ एक बार
49:12हाइपर पैरामीटर ट्यूनिंग करू और उससे मुझे
49:16यह भी पता चल जाए कि च एल्गोरिदम इज द
49:18बेस्ट और नॉट ओनली दैट मुझे यह भी पता चल
49:21जाए कि उस एल्गोरिदम के बेस्ट हाइपर
49:23पैरामीटर वैल्यूज क्या है यह मुझे सॉल्व
49:27करके देता है
49:28ऑप्ट्यूमा कैसे बाय क्रिएटिंग डायनेमिक
49:33सर्च स्पेसेस सो हम क्या करते हैं
49:36ऑप्ट्यूमा में कि हम एल्गोरिदम कौन सा यूज
49:40करना है इसको भी एक हाइपर पैरामीटर की तरह
49:44ट्यून करते
49:46हैं समझना इस बात को हमें एल्गोरिदम कौन
49:49सा यूज करना है वो भी एक हाइपर पैरामीटर
49:52बन जाता है सो व्हाट आई विल डू इज आई विल
49:54क्रिएट अ हाइपर पैरामीटर बाय द नेम ऑफ
49:56एल्गो और इसमें मैं चार ऑप्शन दे दूंगा
49:59एसवीएम एक्सटी बूस्ट रैंडम फॉरेस्ट एंड
50:04लॉजिस्टिक रिग्रेशन अब यह एक हाइपर
50:06पैरामीटर है ठीक है और नॉट ओनली दैट अब
50:11मैं बेस्ड ऑन कौन सा एल्गोरिदम सेलेक्ट
50:14हुआ है उसके बेसिस पर आई कैन क्रिएट
50:18डिफरेंट सर्च स्पेसेस जैसे अगर मान लो
50:21एल्गोरिदम की वैल्यू एसवीएम हुई तो मैं
50:25एसवीएम का खुद का अलग सर्च स्पेस बनाऊंगा
50:29ठीक है अगर एक्सटी बूस्ट सेलेक्ट हुआ तो
50:32एक्सटी बूस्ट का खुद का सर्च स्पेस होगा
50:35रैंडम फॉरेस्ट हुआ तो उसका खुद का सर्च
50:37स्पेस होगा लॉजिस्टिक रिग्रेशन हुआ तो
50:40उसका खुद का सर्च स्पेस होगा और कौन सा
50:43सर्च स्पेस सेलेक्ट करना है वह इस बात से
50:46डिसाइड होगा कि एल्गोरिदम की वैल्यू क्या
50:48डिसाइड हुई है अगर एसवीएम डिसाइड हुई है
50:52तो हम सर्च स्पेस वन में जाएंगे और वहां
50:54से वैल्यूज निकालेंगे अगर x बूस डिसाइड
50:57हुई है तो हम सर्च स्पेस टू में जाएंगे और
50:59वहां से वैल्यूज निकालेंगे तो इन अ वे यह
51:02एक डायनेमिक सर्च स्पेस है जहां पर कौन सा
51:06हाइपर पैरामीटर ट्यून करना है यह इस बात
51:09से डिपेंड इस बात पर डिपेंड कर रहा है कि
51:13एल्गोरिदम हाइपर पैरामीटर की वैल्यू क्या
51:15है ठीक है अब यह बात अगर आपको इस पॉइंट पर
51:19समझ नहीं आ रही है तो डोंट वरी मैं आपको
51:21कोड के थ्रू यह बात समझाता हूं हम क्या
51:24करना चाहते हैं कि सेम डेटा सेट के पर तीन
51:27अलग एल्गोरिथम्स को ट्राई आउट करना चाहते
51:30हैं और बेस्ट एल्गोरिदम को फाइंड आउट करना
51:32चाहते हैं नॉट ओनली दैट हम उस बेस्ट
51:35एल्गोरिथम के भी बेस्ट हाइपर पैरामीटर्स
51:38को खोजना चाहते हैं तो इसके लिए हमें क्या
51:40करना पड़ेगा कि हमें अपना ऑब्जेक्टिव
51:43फंक्शन बनाना पड़ेगा सबसे पहले और इस बार
51:45हमारा जो ऑब्जेक्टिव फंक्शन बनेगा उसमें
51:48हम डायनेमिक सर्च स्पेसेस यूज करेंगे कैसे
51:50ध्यान देना सबसे पहले मैं एक हाइपर
51:53पैरामीटर बना रहा हूं जिसका नाम है
51:56फायर नेम इन तीनों में से कोई एक हो सकता
51:59है कौन सा होगा यह हमारा ऑप्टिम डिसाइड
52:03करेगा उसके अंदर का सैंपलर डिसाइड करेगा
52:05ठीक है कि अगले ट्रायल में मैं एसवीएम को
52:08यूज करने वाला हूं या मैं ग्रेडिएंट
52:10बूस्टिंग को यूज करने वाला हूं या फिर मैं
52:12रैंडम फॉरेस्ट को यूज करने वाला हूं यह
52:14डिसीजन मेकिंग टीपी सैंपलर का है ठीक है
52:17अब यहां पे देखो जैसे ही
52:20क्लासिफाइज ही टीपी सैंपलर ने बोला कि
52:23देखो आई एम गोइंग टू यूज दिस पर्टिकुलर
52:25एल्गोरिथम इन द नेक्स्ट ट्रायल जैसे ही
52:27मुझे वो इंफॉर्मेशन मिला यहां पे मैंने एक
52:29इफ एल्स लगा दिया मैं बोल रहा हूं कि
52:32अगर क्लासिफाई एसवीएम है तो आगे के हाइपर
52:38पैरामीटर्स यह होंगे और यहां पे मैंने कौन
52:41से हाइपर पैरामीटर्स डाल दिए जो एसवीएम
52:43स्पेसिफिक है ठीक है तो स का वैल्यू यहां
52:47से सेलेक्ट हो रहा है कर्नल का वैल्यू
52:49यहां सेलेक्ट हो रहा है गामा का वैल्यू
52:51यहां से सेलेक्ट हो रहा है ठीक है और जैसे
52:53ही ये तीन वैल्यूज निकल के आ रही हैं तो
52:55मैं एक नया मॉडल बना रहा हूं जो कि एक
52:57एसवीएम मॉडल है ठीक है आल्सो ये जो सी
53:01कर्नल और गामा सेलेक्ट हो रहे हैं ये भी
53:03कौन सेलेक्ट कर रहा है ये भी टीपी सैंपलर
53:06ही सेलेक्ट कर रहा है ठीक है फिर यहां पे
53:08मैंने एक एलएफ लगा दिया कि अगर क्लासिफाइड
53:10म फॉरेस्ट है तो फिर आगे के जो आपके हाइपर
53:14पैरामीटर्स हैं वो इन चारों में से कोई एक
53:17हो सकता है ठीक है तो यहां पे मैंने एन
53:19एस्टिमेटर डाल दिया मैक्स स्टेप डाल दिया
53:21और उसके अलावा मैंने और भी कुछ अ हाइपर
53:24पैरामीटर्स डाल दिए ठीक है और यहां पे जो
53:26मॉडल बन रहा है वो एक रैंडम फॉरेस्ट मॉडल
53:29बन रहा है और फिर एक लास्ट कंडीशन मैंने
53:32लगा दी कि अगर ग्रेडिएंट बूस्टिंग है तो
53:34फिर यह हाइपर पैरामीटर सेलेक्ट होंगे और
53:37यहां पे जो मॉडल बन रहा है वो ग्रेडिएंट
53:39बूस्टिंग का मॉडल बन रहा है तो ये इफ एल्स
53:41पे डिपेंड कर रहा है ठीक है और जैसे ही हम
53:44बाहर आ रहे हैं अब हम जो भी मॉडल है
53:46एसवीएम है रैंडम फॉरेस्ट है ग्रेडिएंट
53:48बूस्टिंग है डज नॉट मैटर हम उस मॉडल को
53:50डेटा पे ट्रेन कर रहे हैं विद द हेल्प ऑफ
53:52क्रॉस वैलिडेशन और जो भी मीन एक्यूरेसी
53:54स्कोर है वो हम रिटर्न कर कर रहे हैं तो
53:57दिस इज द ब्यूटी ऑफ डिफाइन बाय रन ठीक है
54:00अब देखो मैं क्या कर रहा हूं आगे का कोड
54:02बिल्कुल सिंपल है मैं ऑप्टिन ड क्रिएट
54:04स्टडी को यूज़ करके एक नया स्टडी क्रिएट
54:06कर रहा हूं डायरेक्शन मैक्सिमाइज है
54:07बिकॉज़ अभी भी हम एक्यूरेसी के पीछे पड़े
54:09हैं और यहां पे डिफॉल्ट सैंपलर टीपी
54:12सैंपलर है मैंने लिखा नहीं है मतलब टीपी
54:14सैंपलर यूज़ होगा और यहां पे हम ऑप्टिमाइज
54:16को कॉल कर रहे हैं ऑब्जेक्टिव फंक्शन
54:18प्रोवाइड कर रहे हैं और नंबर ऑफ ट्रायल्स
54:19मैंने इस बार बढ़ा दिए 100 कर दिया और इस
54:22कोड को जैसे ही रन किया 100 टाइम्स अ 100
54:25ट्रायल्स रन हुए और यू कैन सी हर ट्रायल
54:28में पहले से डिपेंड कर रहा है कि रैंडम
54:32फॉरेस्ट मॉडल ट्रेन होगा या एसवीएम ट्रेन
54:35होगा या फिर ग्रेडिएंट बूस्टिंग ट्रेन
54:37होगा अगर एसवीएम ट्रेन हो रहा है तो
54:39एसवीएम स्पेसिफिक हाइपर पैरामीटर्स यूज़
54:41होंगे रैंडम फॉरेस्ट यूज़ हो रहा है तो
54:43रैंडम फॉरेस्ट स्पेसिफिक हाप हाइपर
54:45पैरामीटर्स यूज़ होंगे ग्रेडिएंट बूस्टिंग
54:47यूज़ हो रहा है तो ग्रेडिएंट बूस्टिंग
54:48स्पेसिफिक हाइपर पैरामीटर्स यूज़ होंगे और
54:50फाइनली जब हमने यह पूरा प्रोसेस कर लिया
54:53तो मैं गया बे ट्रायल डॉ पम्स के पास यानी
54:56कन सी दीज आर द
54:58बेस्ट अ पैरामीटर वैल्यूज तो यू कैन सी जो
55:02बेस्ट एल्गोरिथम निकल के आया है वह है
55:04एसवीएम और फिर एसवीएम के जो हाइपर
55:06पैरामीटर्स हैं उनका भी बेस्ट वैल्यू मुझे
55:09मिल गया है सी का वैल्यू आया है 122 कर्नल
55:11आया है लीनियर एंड गामा का वैल्यू आया है
55:14स्केल और जो बेस्ट एक्यूरेसी मैं रिसी गेन
55:16कर पाया हूं वो है
55:26यहां पर एक और फीचर होता है आप स्टडी के
55:28अंदर सारी की सारी जो भी स्टडीज हुई है
55:31सारी की सारी जो भी ट्रायल्स हुए हैं 100
55:33ट्रायल्स उनको एक डेटा फ्रेम के फॉर्म में
55:35प्रिंट कर सकते हो तो यू कैन सी मैंने
55:37प्रिंट किया है तो यहां पर हर ट्रायल का
55:39नंबर है उसका एक्यूरेसी वैल्यू है वो
55:41ट्रायल कब स्टार्ट हुआ कब खत्म हुआ कितना
55:43टाइम लिया और उस ट्रायल में कौन-कौन से
55:45हाइपर पैरामीटर्स थे इन सबका वैल्यू दिया
55:47हुआ है अब इस ट्रायल की ब्यूटी इस डटा
55:50फ्रेम की ब्यूटी क्या है कि आप यहां पर
55:58इस पर्टिकुलर कॉलम को पकड़ के पम्स डॉट
56:00क्लासियर कॉलम को पकड़ के यह फाइंड आउट कर
56:03सकते हो कि हर एल्गोरिदम कितनी बार रन हुआ
56:07100 ट्रायल्स थे उनमें से कितने ट्रायल्स
56:09में एसवीएम रन हुआ कितने ट्रायल्स में
56:10ग्रेडियंट बूस्टिंग रन हुआ कितने ट्रायल्स
56:12में रैंडम फॉरेस्ट रन हुआ एंड यू कैन सी
56:15कि आउट ऑफ 100 ट्रायल्स 80 ट्रायल्स में
56:18सिर्फ एसवीएम के ऊपर ट्रेनिंग हुई है 10
56:21बार ग्रेडियंट बूस्टिंग 10 बार रैंडम
56:23फॉरेस्ट दिस मींस कि शुरू में ही हमारा जो
56:27बेजिन ऑप्टिमाइजेशन है ऑप्ट्यूमा है वह
56:29समझ गया कि आउट ऑफ दीस थ्री एल्गोरिथम्स
56:32एसवीएम इज गिविंग बेटर रिजल्ट्स और उसने
56:36फिर अपनी सारी एनर्जी किसके ऊपर फोकस की
56:38एसवीएम के ऊपर और एसवीएम के हाइपर
56:40पैरामीटर्स को ट्यून करने के ऊपर ठीक है
56:43नॉट ओनली दैट ट व्हाट यू कैन डू इज कि आप
56:46एक्यूरेसी वैल्यू का भी मीन निकाल करके यह
56:48फिगर आउट कर सकते हो कि ऑन एन एवरेज हर
56:50एल्गोरिदम का एवरेज एक्यूरेसी कितना था सो
56:53ग्रेडिएंट बूस्टिंग का एवरेज एक्यूरेसी
56:54वास 73 पर रैंडम फॉरेस्ट का एक्यूरेसी वाज
56:5976 एंड एसवीएम का एक्यूरेसी वाज 77.4 % तो
57:04यहां पे भी दिखाई दे रहा है कि ऑन एन
57:06एवरेज एसवीएम इज परफॉर्मिंग बेटर दन अदर
57:09टू एल्गोरिथम्स सो दिस इज लाइक द मोस्ट
57:13ब्यूटीफुल फीचर ऑफ ऑप्ट इन माय ओपिनियन
57:15जहां पर आप इस तरीके से डायनामिक हाइपर
57:20पैरामीटर सर्च स्पेसेस क्रिएट कर सकते हो
57:22और एक एल्गोरिदम को हाइपर पैरामीटर ट्यून
57:25करने के बा बदले कितने भी हाइपर
57:27पैरामीटर्स को साथ में अ कितने भी
57:29एल्गोरिथम्स को साथ में अ आप ऑप्टिमाइज कर
57:33सकते हो सो दिस इज अ वेरी वेरी पावरफुल
57:36फीचर जो आईम वेरी श्यर आप फ्यूचर में किसी
57:39ना किसी प्रोजेक्ट में यूज करोगे सो यह
57:42तीन-चार मेन फीचर्स के अलावा ऑप्ट में और
57:45भी कुछ अच्छे फीचर्स होते हैं अ जैसे कि
57:48एक फीचर है डिस्ट्रीब्यूटर कंप्यूटिंग
57:51का सो अगर आप चाहो तो आप डिस्ट्रीब्यूटर
57:56कंप्यूटिंग की हेल्प से जो पूरा का पूरा
57:59स्टडी कंडक्ट कर रहे हो ऑप्ट में उसको आप
58:02पास्ट कर सकते हो बिकॉज़ अलग-अलग ट्रायल्स
58:04अलग-अलग डिवाइस पे रन होंगे और आपको थोड़ा
58:07फास्टर अ ऑप्टिमाइजेशन मिलेगा इसके अलावा
58:12ऑप्ट का जो इंटीग्रेशन है विद अदर
58:16लाइब्रेरीज वो भी बहुत स्ट्रांग है मतलब
58:19साइकेड लर्न के साथ बात कर लो केरा के साथ
58:21बात कर लो पाई टॉर्च के साथ बात कर लो
58:25इनफैक्ट एमए फ्लो जैसी लाइब्रेरीज के साथ
58:28भी ऑप्ट का जो इंटीग्रेशन है दैट इज वेरी
58:31वेरी स्ट्रांग सो यह कुछ एक पॉइंट्स हैं
58:35कुछ एक फीचर्स हैं जिनकी वजह से आई
58:37पर्सनली फील कि ऑप्ट इज प्रोबेबली द बेस्ट
58:40हाइपर पैरामीटर ट्यूनिंग फ्रेमवर्क आउट
58:42देयर और यू शुड डेफिनेटली नो अ एंड द
58:46बेस्ट पार्ट इज कि आप इसको मशीन लर्निंग
58:48में भी यूज़ कर सकते हो आप इसको डीप
58:49लर्निंग में भी यूज़ कर सकते हो एंड यह
58:52आपको इक्वली अच्छे रिजल्ट्स देता है सो आई
58:54वुड रिकमेंड गो आउट ट्राई दिस फ्रेमवर्क
58:57ऑन योर फेवरेट डेटा सेट एंड इसको सीखो दिस
59:00इज वन स्किल वन आर्मरर आपके पास होगा तो
59:05आप बहुत
59:08कॉम्प्लेक्टेड ऑफ एक्सप्लेनिंग ऑप्टिन इन
59:11वन वीडियो आई रियली होप मैं कुछ वैल्यू
59:13क्रिएट कर पाया अगर आपको यह वीडियो पसंद
59:15आया तो प्लीज लाइक करना और अगर आपने इस
59:17चैनल को सब्सक्राइब नहीं किया है प्लीज डू
59:19सब्सक्राइब मिलते हैं नेक्स्ट वीडियो में
59:21बाय

About this transcript

This page contains the full transcript of Hyperparameter Tuning using Optuna | Bayesian Optimization using Optuna by CampusX, generated from the public captions YouTube serves with the video. The transcript has 10,393 words across 1,308 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.