机器学习：参数调节

机器学习和深度学习，是不是只有调参呢？
很多人在接触这个领域之后，读别人的论文觉得别人做的工作好有意义，好流皮，但是到自己做的时候，就感觉自己做的工作只有调参。有这种想法是比较片面的，应该更全面的看待调参任务。
我们的工作只有调参吗？不是，我们要划分训练集和测试集、优选出特征集、选择好模型、规划好测试方案，调参是模型优化中一向很重要的工作，但是也只是整体工作的一环。
选择好模型之后，该模型有5个参数需要设定，每个参数的选择范围不同，这里假定为10个，那么就要$10^5=100000$个方案，也就是需要这个模型运行100000次，从中选择效果最好的那次的参数作为最终方案，工作量庞大吧！
实际中，开发者一般依据自己经验，规划调参方案，极大地减少工作量，但是这种方案的有效性如何确保，这比较玄学。因此，参数好不好直接影响模型效果，调参不是想当然的工作，必须重视！