MLスペシャリストが学習率の範囲でSageMakerハイパーパラメータ最適化（HPO）を実行しました。ほとんどの試行では学習率が0.01から0.1の間でしたが、最良の試行では学習率が0.01未満でした。トレーニングジョブは変化するデータに対して定期的に実行されます。スペシャリストは、指定されたMinValue-MaxValue範囲全体で学習率をより均等にサンプリングするアプローチを望んでいます。最も正確な解決策はどれですか？

正解は、HPO設定を「このトレーニングジョブから最も正確なハイパーパラメータ設定を選択する」に変更することです。これは、SageMaker HPOがデフォルトで対数スケールでサンプリングするため、学習率のような広い範囲で最適な値が特定の範囲に偏る場合に、その範囲をより細かく探索するために有効です。この設定により、HPOは指定された範囲内でより均等に値をサンプリングし、最適な学習率が0.01未満であったという以前の結果を考慮して、その領域をより深く探索できるようになります。 他の選択肢は不適切です。複数のHPOジョブを実行することは、リソースと時間の無駄であり、単一のジョブで適切なサンプリング戦略を設定する方が効率的です。また、「このHPOジョブから最も正確なハイパーパラメータ設定を選択する」という設定は存在しません。