阿里云天池(深度学习)笔记
类似于函数拟合
config
config = {
'epoch':10, # 训练的轮数
'batch_size':512, #一轮的
'learning_rate':8e-3,
'device':'cuda', #利用GPU来运算
'num_cols':['regDate','creatDate','power','kilometer','v_0','v_1','v_2','v_3','v_4','v_5','v_6','v_7','v_8','v_9','v_10','v_11','v_12','v_13','v_14'], #任务所要求的数据(连续)
'cate_cols':['model','brand','bodyType','fuelType','gearbox','seller','notRepairedDamage'] #离散数据
}
梯度
特征缩放(归一化)
不能让数值大而作用不一定大的数据干扰整个的拟合
训练时一般分为三类
训练集
要求的相当于函数,训练集一般用于更新这些函数
验证集
训练这些参数来挑选合适的
挑选一些合适的超参数
测试集
测试性能的