Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Se connecter
Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Une page, une vidéo ou une image en ligne.

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Réglage des hyperparamètres d'un modèle v1.0.0

Utilisez cette ressource pour rechercher les hyperparamètres qui maximisent la performance d'un modèle

Nouveau

  • 309 téléchargements
  • 142 mentions J'aime
  • 114 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install hyperparameter-search-tuning

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent analyse le modèle et la métrique visée, choisit une stratégie de recherche (grille, aléatoire ou bayésienne) et explore l'espace des paramètres. Vous obtenez une configuration retenue, un modèle d'espace de recherche et un modèle de visualisation.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Réglage des hyperparamètres d'un modèle »

Caractéristiques

Fonctionne dans
Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : méthode, cas d'usage et exemples (forêt aléatoire, optimisation bayésienne)
  • assets/ : modèle d'espace d'hyperparamètres en JSON et modèle de visualisation HTML

Pour qui

  • Vous voulez régler un modèle de forêt aléatoire sans tester les valeurs à la main
  • Vous comparez grille, recherche aléatoire et optimisation bayésienne avec le même budget

Pas pour qui

    Étiquettes

    • hyperparamètres
    • machine learning
    • optimisation
    • recherche bayésienne

    À propos

    Vous dites

    « Règle les hyperparamètres de ma forêt aléatoire par optimisation bayésienne pour maximiser l'exactitude. »

    Carte de la skill « Réglage des hyperparamètres d'un modèle »

    Skill publiée par Jeremy Longshore <jeremy@intentsolutions.io> sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de rechercher les hyperparamètres qui maximisent la performance d'un modèle
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • assets/hyperparameter_space_template.json2,8 Ko
    • assets/README.md0,3 Ko
    • assets/visualization_template.html2,7 Ko
    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,6 Ko
    • references/README.md0,1 Ko
    • scripts/README.md0,8 Ko
    • SKILL.md4,7 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    Jeremy Longshore <jeremy@intentsolutions.io>
    Source
    github.com/jeremylongshore/tons-of-skills-marketplace/tree/ab85a061f7bcc039dac13ee193de7a4cd4388571/skills/.curated/tuning-hyperparameters
    Licence
    MIT

    Notice

    « tuning-hyperparameters » (Jeremy Longshore <jeremy@intentsolutions.io>, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.