机器学习常涉及两类参数:
1、算法的参数,这一类也称为超参数,数目常常是10以内,例如神经网络的层数和每一层神经元个数。
2、另外一类是模型参数,这一类参数数目很多,例如大型深度学习的权重系数,上百亿都是有可能。
两者调参方式相似,均是产生多个模型之后基于某种评估方法来进行选择,不同之处在于前者通常是由人工设定多个参数候选值后产生模型,而后者则是通过学习来产生多个候选模型。
机器学习常涉及两类参数:
1、算法的参数,这一类也称为超参数,数目常常是10以内,例如神经网络的层数和每一层神经元个数。
2、另外一类是模型参数,这一类参数数目很多,例如大型深度学习的权重系数,上百亿都是有可能。
两者调参方式相似,均是产生多个模型之后基于某种评估方法来进行选择,不同之处在于前者通常是由人工设定多个参数候选值后产生模型,而后者则是通过学习来产生多个候选模型。