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
1
0
5
=
100000
10^5=100000
105=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!
机器学习:参数调节
最新推荐文章于 2024-04-02 12:03:57 发布